MATLAB 到 Python 的转换：向量、数组、索引元素

Question

大家好！我目前正在将 MATLAB 项目转换为 Python 2.7。我正在尝试转换行

h =  [  im(:,2:cols)  zeros(rows,1) ] - [  zeros(rows,1)  im(:,1:cols-1)  ];

当我尝试转换它时

h = np.concatenate((im[1,range(2,cols)], np.zeros((rows, 1)))) -  
np.concatenate((np.zeros((rows, 1)),im[1,range(2,cols - 1)] ))

IDLE returns 不同的错误，例如

ValueError: all the input arrays must have same number of dimensions

我是 Python 的新手，如果您能推荐其他方法，我将不胜感激。太感谢了！这是我要转换的函数。

function [gradient, or] = canny(im, sigma, scaling, vert, horz)
xscaling = vert; yscaling = horz;
hsize = [6*sigma+1, 6*sigma+1];   % The filter size.

gaussian = fspecial('gaussian',hsize,sigma);
im = filter2(gaussian,im);        % Smoothed image.

im = imresize(im, scaling, 'AntiAliasing',false);

[rows, cols] = size(im);

h =  [  im(:,2:cols)  zeros(rows,1) ] - [  zeros(rows,1)  im(:,1:cols-1)  ];

而且我还会询问主要用于 Python 中索引和数组的 ':' 运算符的等价物。 : 运算符是否有等效项？

我开始的Python转换代码：

def canny(im=None, sigma=None, scaling=None, vert=None, horz=None):

xscaling = vert
yscaling = horz

hsize = (6 * sigma + 1), (6 * sigma + 1) # The filter size.

gaussian = gauss2D(hsize, sigma)
im = filter2(gaussian, im) # Smoothed image.
print("This is im")
print(im)
print("This is hsize")
print(hsize)
print("This is scaling")
print(scaling)
#scaling = 0.4
#scaling = tuple(scaling)

im = cv2.resize(im,None, fx=scaling, fy=scaling )  
[rows, cols] = np.shape(im)

Answer 1

假设您的数据在列表列表中。试试这个：

a = [[2, 9, 4], [7, 5, 3], [6, 1, 8]]
im = np.array(a, dtype=float)
rows = 3
cols = 3
h = (np.hstack([im[:, 1:cols], np.zeros((rows, 1))])
   - np.hstack([np.zeros((rows, 1)), im[:, :cols-1]]))

相当于MATLAB的horzcat (that is, [A B]) is np.hstack and the equivalent of vertcat ([A; B]) is np.vstack.

numpy 中的

Array indexing 与 MATLAB 非常接近，只是索引在 numpy 中从 0 开始，范围 p:q 表示 "p to q-1".

另外，数组的存储顺序是row-major by default, and you can use column-major order if you want (see this)。在 MATLAB 中，数组按列优先顺序存储。要签入 Python，例如键入 np.isfortran(im)。如果它 returns 为真，则数组具有与 MATLAB 相同的顺序（Fortran 顺序），否则它是行优先的（C 顺序）。当您想要优化循环或将数组传递给 C 或 Fortran 例程时，这很重要。

理想情况下，尽快将所有内容放入 np.array 中，并且不要使用列表（它们需要更多 space 并且处理速度要慢得多）。还有一些怪癖：例如，1.0 / 0.0 抛出异常，但是 np.float64(1.0) / np.float64(0.0) returns inf，就像在 MATLAB 中一样。

评论中的另一个例子：

d1 = [ im(2:rows,2:cols) zeros(rows-1,1); zeros(1,cols) ] - ...
     [ zeros(1,cols); zeros(rows-1,1) im(1:rows-1,1:cols-1) ];

d2 = [ zeros(1,cols); im(1:rows-1,2:cols) zeros(rows-1,1); ] - ... 
     [ zeros(rows-1,1) im(2:rows,1:cols-1); zeros(1,cols) ];

对于这个，您可以使用 np.block.

而不是 np.vstack 和 np.hstack

im = np.ones((10, 15))
rows, cols = im.shape

d1 = (np.block([[im[1:rows, 1:cols], np.zeros((rows-1, 1))],
                [np.zeros((1, cols))]]) -
      np.block([[np.zeros((1, cols))],
                [np.zeros((rows-1, 1)), im[:rows-1, :cols-1]]]))

d2 = (np.block([[np.zeros((1, cols))],
                [im[:rows-1, 1:cols], np.zeros((rows-1, 1))]]) -
      np.block([[np.zeros((rows-1, 1)), im[1:rows, :cols-1]],
                [np.zeros((1, cols))]]))

Answer 2

使用 np.zeros((Nrows,1)) 您将生成一个二维数组，其中包含具有 1 个元素的 Nrows 一维数组。然后，使用 im[1,2:cols] 您将获得 cols-2 元素的一维数组。您应该将 np.zeros((rows,1)) 更改为 np.zeros(rows).

此外，在第二个 np.concatenate 中，当您从 'im' 获得子数组时，您应该采用与第一个连接中相同数量的元素。请注意，您少取了一个元素：range(2,cols) VS range(2,cols-1).

MATLAB 到 Python 的转换：向量、数组、索引元素

MATLAB to Python conversion: vectors, arrays, index elements

python

matlab

opencv

type-conversion

data-conversion