比较抽取然后上采样的 2D 数组的 Python 问题

Question

我正在尝试研究在逐步抽取照片时图像质量的下降情况。

为此，我设计了这个实验:- 获取输入图像并在循环中在每次迭代中抽取 n 倍和 n-2 倍，获得新图像 A 和 B- 使用 sp.ndimage.interpolation.zoom 上采样到原始大小 A 和 B，缩放因子为 n 和 n-2- 计算每次迭代时上采样 A 和 B 之间元素差异的元素的 mse- 检查 mse 从迭代到迭代的变化。

这是我的代码:

import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
from skimage import io, feature, color, exposure

# import an image
tut=io.imread('http://www.two-views.com/images/Tut%20bone%20frag.jpg') 
tut=color.rgb2gray(io.imread('Tut.jpg'))  

# contrast stretching
p2, p98 = np.percentile(tut, (2, 98))
st_tut = exposure.rescale_intensity(tut, in_range=(p2, p98))

# decimate progressively, upsample, calculate mse
mse_tut = []

for n in range(6,50,2):
        temp1 = st_tut[::n,::n]
        temp2 = st_tut[::n-2,::n-2]
        tempz1 = sp.ndimage.interpolation.zoom(temp1, n, order=2)
        tempz2 = sp.ndimage.interpolation.zoom(temp2, n-2, order=2)
        mse_temp = ((tempz2 - tempz1) ** 2).mean(axis=None)
        mse_tut.append(mse_temp)

问题是我收到此错误消息:

---> 11 mse_temp = ((tempz2 - tempz1) ** 2).mean(axis=None)

ValueError: operands could not be broadcast together with shapes (400,400) (402,402)

我不确定为什么会发生这种情况，因为当我在下面尝试这个时，一切都运行顺利:

temp1 = st_tut[::10,::10]
temp2 = st_tut[::8,::8]

tempz1 = sp.ndimage.interpolation.zoom(temp1, 10, order=2)
tempz2 = sp.ndimage.interpolation.zoom(temp2, 8, order=2)

print temp1.shape, temp2.shape
print tempz1.shape, tempz2.shape

mse_temp = ((tempz2 - tempz1) ** 2).mean(axis=None)
print mse_temp

(40, 40) (50, 50)

(400, 400) (400, 400)

0.00981401032334

Answer 1

让我们看一下“平滑”的情况，以了解发生了什么。 temp1 是一个 400x400/10 = 40x40 数组。 400 正好除以 10。同样，temp2 正好是 50x50。当您上采样时，数组恢复为 400x400，因为它们是维度的精确倍数。

现在让我们看看当您有 n = 6 时会发生什么。 temp1 是 400x400/6 + 1 = 67x67 数组。整数除法在这里适用，因为您实际上是每六个元素步进一次。 temp2 是一个 400x400/8 = 50x50 数组。对于temp2，400平均分成n-2。现在，当您上采样时，您会得到一个 66x66 * 6 = 402x402 数组和一个 400x400 数组。

您可以通过执行以下操作来对此进行测试:

 >>> import numpy as np
 >>> x = np.ones((400, 400))
 >>> x.shape
 (400, 400)
 >>> x[::6, ::6].shape
 (67, 67)

这个问题有几个显而易见的解决方案:

1. 选择 n 的值，其中 n 和 n-2 使得 400 是以下的倍数两个都。这可能会大大限制您的操作范围。虽然这是一个合法的解决方案，但我不推荐它。
2. scipy.ndimage.interpolation.zoom 将 float 作为缩放参数。不要只传入 n 和 n-2，而是传入 400/temp1.shape[0] 和 400/temp2。 shape[0]，分别。例如，如果 temp1 是 67x67，这会将其放大 5.97014925373 而不是 6，从而使上采样大小正好 400x400。