hızlı Kartezyen Kutupsal için Kartezyen Python

Question

Python 2d dizilerinde/resimlerinde polarize dönüştürmek, sonra işlemek ve sonra bunları kartezyen haline dönüştürmek istiyorum. Görüntülerin

numarası ve kararır oldukça büyük yüzden OpenCV hızlı olup olmadığını ve kontrol ediyordu: Aşağıdaki (örnek kod konsantrik daireler üzerinde kullanılır) ImajeJ Polar Transformer eklentisinden sonucudur Bunu yapmanın basit yolu.

Cv hakkında okurum. CartToPolar ve PolarToCart ancak onu kullanamadım. Girdi ve çıktının dizildiği ve merkez, enterpolasyon ve inversiyon ayarlayabileceğiniz (yani CV_WARP_INVERSE_MAP) LogPolar'u daha iyi anlarım. CartToPolar/PolarToCart'ı benzer bir şekilde kullanmanın bir yolu var mı?

import numpy as np 
    import cv 

    #sample 2D array that featues concentric circles 
    circlesArr = np.ndarray((512,512),dtype=np.float32) 
    for i in range(10,600,10): cv.Circle(circlesArr,(256,256),i-10,np.random.randint(60,500),thickness=4) 

    #logpolar 
    lp = np.ndarray((512,512),dtype=np.float32) 
    cv.LogPolar(circlesArr,lp,(256,256),100,cv.CV_WARP_FILL_OUTLIERS) 

    #logpolar Inverse 
    lpinv = np.ndarray((512,512),dtype=np.float32) 
    cv.LogPolar(lp,lpinv,(256,256),100, cv.CV_WARP_INVERSE_MAP + cv.CV_WARP_FILL_OUTLIERS) 

    #display images 
    from scipy.misc import toimage 
    toimage(lp, mode="L").show() 
    toimage(lpinv, mode="L").show() 

Bu tomografi içindir (BT) iş akışı onlar çizgiler olarak görünür eğer halkalar eserler daha kolay filtre edilebilir nerede. CV kaynak kodunun, bir LinearPolar sayılı belgeden bahsedildiği belirtilmektedir.

Answer 1

. Belgelenmiş görünmüyor, ancak LogPolar'a benziyor. bunu denedin mi

Answer 2

İşte bir örnek günlük kutuplu scipy kullanılarak uygulanan dönüşümü:

https://github.com/stefanv/supreme/blob/master/supreme/transform/transform.py#L51

bu sadece bir koordinat dönüşüm olduğunu göz önüne alındığında, OpenCV sürümden daha sorununuza adapte kolay olacaktır.

Answer 3

En son opencv sürümleri cv2.linearPolar işlevini destekler. Bu OpenCV kullanımını içermeyen başka bir çözüm olabilir:

def polar2cart(r, theta, center): 

    x = r * np.cos(theta) + center[0] 
    y = r * np.sin(theta) + center[1] 
    return x, y 

def img2polar(img, center, final_radius, initial_radius = None, phase_width = 3000): 

    if initial_radius is None: 
     initial_radius = 0 

    theta , R = np.meshgrid(np.linspace(0, 2*np.pi, phase_width), 
          np.arange(initial_radius, final_radius)) 

    Xcart, Ycart = polar2cart(R, theta, center) 

    Xcart = Xcart.astype(int) 
    Ycart = Ycart.astype(int) 

    if img.ndim ==3: 
     polar_img = img[Ycart,Xcart,:] 
     polar_img = np.reshape(polar_img,(final_radius-initial_radius,phase_width,3)) 
    else: 
     polar_img = img[Ycart,Xcart] 
     polar_img = np.reshape(polar_img,(final_radius-initial_radius,phase_width)) 

    return polar_img