Question

在图像大小调整插值问题中，可以在对网格索引进行操作之前在行索引和col索引上使用np.meshgrid：

nrows = 600
ncols = 800
image_in = np.random.randint(0, 256, size=(nrows, ncols, 3))
scale_factor = 1.5

r = np.arange(nrows, dtype=float) * scale_factor
c = np.arange(ncols, dtype=float) * scale_factor

rr, cc = np.meshgrid(r, c, indexing='ij')

# Nearest Neighbor Interpolation
# np.floor if scale_factor >= 1. np.ceil otherwise
rr = np.floor(rr).astype(int).clip(0, nrows-1)
cc = np.floor(cc).astype(int).clip(0, ncols-1)

image_out = image_in[rr, cc, :]

现在，我将如何撤销此过程？假设给定rr_1，cc_1（np.meshgrid的产品）以未知方式（此处用np.random.randint进行了处理），我如何得到r_1和c_1，即np.meshgrid的输入（最好是使用ij索引）？

# Suppose rr_1, cc_1 = np.meshgrid(r_1, c_1, indexing='ij')
rr_1 = np.random.randint(0, nrows, size=(nrows, ncols, 3))
cc_1 = np.random.randint(0, ncols, size=(nrows, ncols, 3))

r_1 = ?
c_1 = ?

更新：

发布后我立即知道了。答案是：

# Suppose rr_1, cc_1 = np.meshgrid(r_1, c_1, indexing='ij')
rr_1 = np.random.randint(0, nrows, size=(nrows, ncols, 3))
cc_1 = np.random.randint(0, ncols, size=(nrows, ncols, 3))

r_1 = rr_1[:, 0]
c_1 = cc_1[0]

Answer 1

numpy.meshgrid从输入数组创建一个更高维的数组，以便创建类似网格的数组。因此，假设您想通过使用一些输入的1D向量r和c来获得2D网格。 numpy.meshgrid将rr和cc作为2D数组返回，它们分别在2D数组的各处保持y轴或x轴不变（这就是为什么它是网格）。

这是一个测试用例：

import numpy as np

r = np.arange(5)      # [0 1 2 3 4]
c = np.arange(5,10,1) # [5 6 7 8 9]

rr, cc = np.meshgrid(r,c,indexing='ij')

r_original = rr[:,0]
c_original = cc[0,:]

print(r_original)     # [0 1 2 3 4]
print(c_original)     # [5 6 7 8 9]

请注意，我们为rr和cc创建的网格是

rr = [[0 0 0 0 0]
      [1 1 1 1 1]
      [2 2 2 2 2]
      [3 3 3 3 3]
      [4 4 4 4 4]]

cc = [[5 6 7 8 9]
      [5 6 7 8 9]
      [5 6 7 8 9]
      [5 6 7 8 9]
      [5 6 7 8 9]]

由于您使用的是indexing='ij'，因此已对2D数组进行了转置。因此，rr和cc分别保持恒定的值是x轴和y轴（与不使用indexing='ij'的情况相反）。

如何撤消或反转np.meshgrid？

1 个答案: