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：

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。