Python Numpy：跨越多通道图像

我在numpy大步走的时候有点头晕。我正在写一些多通道图像插值的代码。我将图像定义为具有形状

[高度x宽度x通道]

的

np.ndarray

类型的三维数组。我编写的C++必须在Matlab和Python中工作。对于单通道图像，我的代码运行良好，对于Matlab中的多通道图像，我的代码运行良好

为了插值图像，我正在编写一种方法，根据该方法，给定

[M x N x p]

数组，您可以提供一组

x

和

Y

亚像素坐标，以便在图像内插值。这与scipy的ndimage.map\u坐标的功能相同。不幸的是，我需要一种在Matlab和Python中都能产生相同结果的插值方法，因此我正在编写自己的插值代码

我的问题是Matlab通过一个接一个地堆叠级联通道来安排它的三维内存。这意味着，对于

[10,10,2]

图像，第一个

100

元素将是第一个通道，元素

[100200]

元素将是第二个通道。因此，要在Matlab连续内存中建立索引，我的索引如下：

// i is the element of the indices array
// j is the current channel
// F is the image we are indexing
// F_MAX is M * N (the number of pixels per channel)
// N_ELEMS is the total number of elements in the indices array
// f_index is the index in the contiguous array equivalent to the x and y coordinate in the 2D image
for (size_t j = 0; j < N_CHANNELS; j++)
{
  out[i + j * N_ELEMS] = F[f_index + j * F_MAX];
}

到我可以索引到的东西，就像我对Matlab数组所做的那样？

---

我应该提到的是，我知道Matlab和numpy之间的列主/行主差异。如上所述，我的方法适用于单通道图像，但索引错误的通道超过1个。

也许您可以使用函数

np.swapaxes

，如以下ipython示例所示：

In [1]: a = np.arange(2*2*2).reshape((2,2,2))

In [2]: a
Out[2]: 
array([[[0, 1],
        [2, 3]],

       [[4, 5],
        [6, 7]]])

In [3]: a.flatten()
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7])

In [4]: np.swapaxes(a,2,1).flatten()
Out[4]: array([0, 2, 1, 3, 4, 6, 5, 7])

编辑：

我认为只有在使用交换轴复制阵列后，内存布局才会发生变化，请参见：

In [6]: b = a.swapaxes(1,2)

In [7]: b.strides
Out[7]: (16, 4, 8)

In [8]: b = a.swapaxes(1,2).copy()

In [9]: b.strides
Out[9]: (16, 8, 4)

---

创建数组时，可以指定Fortran顺序：

>>> a = np.ones((10,10,2),dtype=np.float64)
>>> a.strides
(160, 16, 8)
>>> b = np.ones((10,10,2),dtype=np.float64,order='f')
>>> b.strides
(8, 80, 800)

---

如果已创建数组，则可以使用

np.asfortranarray

。这确实会复制数据，但捕捉效果很好，当然，更改轴确实会像您演示的那样起作用。不幸的是，我仍然不能完全纠正我的问题，因此求助于宏来改变每个平台上的索引模式。

>>> a = np.ones((10,10,2),dtype=np.float64)
>>> a.strides
(160, 16, 8)
>>> b = np.ones((10,10,2),dtype=np.float64,order='f')
>>> b.strides
(8, 80, 800)