Question

我想旋转数组，但不喜欢基本的矩阵旋转。如果我有一个3x3阵列，我希望每个单元转向中央单元。

这是一个3x3阵列：

import numpy as np

tab = np.array([[1,2,3],[4,5,6],[7,8,9]])

[[1 2 3]
 [4 5 6]
 [7 8 9]]

我希望将它旋转45度：

[[2 3 6]
 [1 5 9]
 [4 7 8]]

我不能使用scipy.ndimage.interpolation.rotate(tab,45)，因为它应用了基本的矩阵旋转，这不是我想要的。

import numpy as np
from scipy import ndimage

tab = np.array([[1,2,3],[4,5,6],[7,8,9]])

ndimage.interpolation.rotate(tab,45)

[[0 0 0 0]
 [0 2 6 0]
 [0 4 8 0]
 [0 0 0 0]]

有人知道如何实现这一目标吗？

Answer 1

你几乎只是用它：

ndimage.interpolation.rotate(tab,45,reshape=False,mode='nearest')

问题是你需要强制方法不重塑你的矩阵，并使用最接近的数字填充空白而不是零。

零的问题在于，当您旋转矩阵时，某些数字（角落中的数字）会超出边界，因此您需要预测＆＃34;那些最近的角落就像精确的here

一样

输出：

[[2 3 6]
 [1 5 9]
 [4 7 8]]

再次旋转它会给出：

[[3 6 9]
 [2 5 8]
 [1 4 7]]

等。

Answer 2

如果您只想在3x3阵列上使用它，一个简单的解决方案是按顺时针/逆时针顺序列出索引（例如：[(0, 0), (0, 1), (0, 2), (1, 2), (2, 2), (2, 1), (2, 0), (1, 0)]），然后对于旋转，您只需根据以下方式移动值：列表索引（按度/ 45°位置）。

Answer 3

您可以通过创建一对索引数组（在其中可以直观地看到旋转）来执行此操作：

x[0]

然后按预期工作：

i = np.array([
    [0, 0, 1],
    [0, 1, 2],
    [1, 2, 2]
])
j = np.array([
    [1, 2, 2],
    [0, 1, 2],
    [0, 0, 1]
])

这实际上是BalázsKovacsics解决方案的矢量化实现，它应该比>>> tab = np.array([[1,2,3],[4,5,6],[7,8,9]]) >>> tab[i,j] array([[2, 3, 6], [1, 5, 9], [4, 7, 8]])解决方案更快

要旋转两次，您可以使用

ndimage

围绕中心单元旋转3x3阵列的每个单元的模块（不是矩阵旋转）

3 个答案: