用Python实现二维离散余弦变换的ISSUE
我正试图将赵科赫的隐写术方法从matlab改写成python,我在一开始就被卡住了 matlab中的前两个过程: 步骤1:用Python实现二维离散余弦变换的ISSUE,python,matlab,dct,Python,Matlab,Dct,我正试图将赵科赫的隐写术方法从matlab改写成python,我在一开始就被卡住了 matlab中的前两个过程: 步骤1: A = imread(casepath); # Reading stegonography case image and aquiring it's RGB values. In my case it's a 400x400 PNG image, so it gives a 400x400x3 array. 步骤2: D = dct2(A(:,:,3)); # Apply
A = imread(casepath); # Reading stegonography case image and aquiring it's RGB values. In my case it's a 400x400 PNG image, so it gives a 400x400x3 array.
步骤2:
D = dct2(A(:,:,3)); # Applying 2D DCT to blue values of the image
Python代码模拟:
from scipy import misc
from numpy import empty,arange,exp,real,imag,pi
from numpy.fft import rfft,irfft
arr = misc.imread('casepath')# 400x480x3 array (Step 1)
arr[20, 30, 2] # Getting blue pixel value
def dct(y): #Basic DCT build from numpy
N = len(y)
y2 = empty(2*N,float)
y2[:N] = y[:]
y2[N:] = y[::-1]
c = rfft(y2)
phi = exp(-1j*pi*arange(N)/(2*N))
return real(phi*c[:N])
def dct2(y): #2D DCT bulid from numpy and using prvious DCT function
M = y.shape[0]
N = y.shape[1]
a = empty([M,N],float)
b = empty([M,N],float)
for i in range(M):
a[i,:] = dct(y[i,:])
for j in range(N):
b[:,j] = dct(a[:,j])
return b
D = dct2(arr) # step 2 anlogue
但是,当我尝试执行代码时,我得到以下错误:
Traceback (most recent call last):
File "path to .py file", line 31, in <module>
D = dct2(arr)
File "path to .py file", line 25, in dct2
a[i,:] = dct(y[i,:])
File "path to .py file", line 10, in dct
y2[:N] = y[:]
ValueError: could not broadcast input array from shape (400,3) into shape (400)
回溯(最近一次呼叫最后一次):
文件“指向.py文件的路径”,第31行,在
D=dct2(arr)
文件“指向.py文件的路径”,第25行,在dct2中
a[i,:]=dct(y[i,:])
文件“指向.py文件的路径”,第10行,dct格式
y2[:N]=y[:]
ValueError:无法将输入数组从形状(400,3)广播到形状(400)
也许有人能向我解释一下我做错了什么
其他信息:
操作系统:Windows 10 Pro 64位
Python:2.7.12
scipy:0.18.1
numpy:1.11.2
pillow:3.4.1您的代码运行良好,但它设计为只接受2D数组,就像在Matlab中一样。由于您的
arr
是一个3D阵列,因此您需要执行以下操作:
D = dct2(arr[...,2])
正如我在评论中提到的,使用scipy包中的(fast)内置程序,而不是重新发明轮子
我的评论中链接中的代码有效地为您提供了以下信息:
import numpy as np
from scipy.fftpack import dct, idct
def dct2(block):
return dct(dct(block.T, norm='ortho').T, norm='ortho')
def idct2(block):
return idct(idct(block.T, norm='ortho').T, norm='ortho')
但是,我必须再次强调,必须分别为每个颜色平面调用此函数。Scipy的dct()
将愉快地接受任何N维数组,并将在最后一个轴上应用变换。因为这是你的颜色平面,而不是你的像素行和列,你会得到错误的结果。是的,有一种方法可以通过axis
输入参数来解决这个问题,但我不会不必要地使这个答案过于复杂
关于这里涉及的各种DCT实现,如果您从上面的代码片段中省略
norm='ortho'
参数,那么您的版本和scipy的实现将给出相同的结果。但如果包含该参数,scipy的转换将与Matlab的一致。您的代码运行良好,但它的设计仅接受2D数组,就像在Matlab中一样。由于您的arr
是一个3D阵列,因此您需要执行以下操作:
D = dct2(arr[...,2])
正如我在评论中提到的,使用scipy包中的(fast)内置程序,而不是重新发明轮子
我的评论中链接中的代码有效地为您提供了以下信息:
import numpy as np
from scipy.fftpack import dct, idct
def dct2(block):
return dct(dct(block.T, norm='ortho').T, norm='ortho')
def idct2(block):
return idct(idct(block.T, norm='ortho').T, norm='ortho')
但是,我必须再次强调,必须分别为每个颜色平面调用此函数。Scipy的dct()
将愉快地接受任何N维数组,并将在最后一个轴上应用变换。因为这是你的颜色平面,而不是你的像素行和列,你会得到错误的结果。是的,有一种方法可以通过axis
输入参数来解决这个问题,但我不会不必要地使这个答案过于复杂
关于这里涉及的各种DCT实现,如果您从上面的代码片段中省略
norm='ortho'
参数,那么您的版本和scipy的实现将给出相同的结果。但包含该参数后,scipy的转换将与Matlab的一致。来自numpy和scipy,您可以直接访问。你对自己的慢动作感兴趣吗?谢谢,我不知道,只是试了一下。看起来效果不错。从numpy和scipy您可以直接访问。你对自己的慢动作感兴趣吗?谢谢,我不知道,只是试了一下。看起来效果不错。