Python scipy.ndimage.interpolate.affine_变换失败

此代码：

from scipy.ndimage.interpolation import affine_transform
import numpy as np
...
nzoom = 1.2
newimage = affine_transform(self.image, matrix=np.array([[nzoom, 0],[0, nzoom]]))

在以下情况下失败：

RuntimeError: affine matrix has wrong number of rows

---

矩阵有什么问题？我还尝试了

matrix=[nzoom，nzoom]

，根据我对文档的阅读，它也应该这样做，但以同样的方式失败。

原始代码不能使用2x2矩阵的原因是，所讨论的图像是三维的。请注意，第三维是

[R，G，B]

，但是

scipy.ndimage

不知道非空间维度；它将所有维度视为空间维度。使用2x2矩阵的示例都是2D“灰色”图像

解决方案#1:

affine_transform

将输出坐标

o

映射到源（输入）坐标

s

为：

s = numpy.dot(matrix,o) + offset

其中

矩阵

和

偏移

是

仿射变换

的参数。在多通道图像的情况下，我们不想变换三维。也就是说，我们需要对应于输出点的源坐标

o == [x, y, z]  # column vector

将来

为了实现这一结果，我们需要

matrix = [[ c00, c01,  0],
          [ c10, c11,  0],
          [   0,   0,  1]]

offset = [dx, dy, 0]  # column vector

解决方案#2:

另一种解决方案是将RGB图像分割为3个通道，分别变换每个通道，然后将它们组合在一起

r = rgb[..., 0]
g = rgb[..., 1]
b = rgb[..., 2]
matrix = np.array([[c00, c01], [c10, c11]])
offset = [dx dy]
r = affine_transform(r, matrix=matrix, offset=offset)
g = affine_transform(g, matrix=matrix, offset=offset)
b = affine_transform(b, matrix=matrix, offset=offset)
rgb = np.dstack((r, g, b))

两种解决方案我都没有计时，但我预计2比1慢

r = rgb[..., 0]
g = rgb[..., 1]
b = rgb[..., 2]
matrix = np.array([[c00, c01], [c10, c11]])
offset = [dx dy]
r = affine_transform(r, matrix=matrix, offset=offset)
g = affine_transform(g, matrix=matrix, offset=offset)
b = affine_transform(b, matrix=matrix, offset=offset)
rgb = np.dstack((r, g, b))