tensorflow 旋转矩阵的函数实现方法

关键字: rot90, tensorflow

1. 背景

在做数据增强的操作过程中, 很多情况需要对图像旋转和平移等操作, 针对一些特殊的卷积(garbo conv)操作,还需要对卷积核进行旋转操作.
在tensorflow中似乎没有实现对4D tensor的旋转操作.
严格的说: tensorflow对tensor的翻转操作并未实现, 仅有针对3D tensor的tf.image.rot()
而在大多数的情况下使用的是4D形式的tensor, [B,W,H,C] 或者是3D的图像组成的batchs.

通过查看这篇文章的代码可以知道¹ 可以使用numpy的rot90()函数旋转, 但是rot90对象是ndarray, 针对tensorflow.tensor对象而言显然是无法使用的, 会抛出类似: 无法找到m.dim属性的异常.
也就是说无法使用numpy.rot90() 函数.

又知, tensorflow中提供有对矩阵的翻转, 转置,切片操作的函数,但是没有提供旋转90°, 180°,270°的操作.
因此可以参照numpy.rot90(m, k=1, axes=(0,1))的程序片段去自己动手实现.
rot90中的第一个参数m是操作对象, k是旋转的次数,k=1 代表逆时针旋转90度, k=2 代表逆时针旋转180度,以此类推
axes是代表旋转的操作在哪两个维度构成的平面上.

rot90的源代码如下:

def rot90(m, k=1, axes=(0,1)):
    '''
    ......
    '''
    # 省略检测参数的操作
    k %= 4

    if k == 0:        return m[:]    if k == 2:        return flip(flip(m, axes[0]), axes[1])

    axes_list = arange(0, m.ndim)
    (axes_list[axes[0]], axes_list[axes[1]]) = (axes_list[axes[1]],
                                                axes_list[axes[0]])    if k == 1:        return transpose(flip(m,axes[1]), axes_list)    else:        # k == 3
        return flip(transpose(m, axes_list), axes[1])

PS: 通过阅读上述的代码,也可以发现在tensorflow中直接使用rot90所抛出的异常是在这里出现的

if axes[0] == axes[1] or absolute(axes[0] - axes[1]) == m.ndim

原因是: 程序把tensor对象当成np.ndarray操作了, 而tensor对象没有m.dim属性

2. 实现rot90操作

2.1 梳理程序流程

通过查看源代码可以梳理出程序流程图:

2.2 tensorflow 实现旋转操作

根据上述的流程图, 可以实现对tensorflow的rot90操作;

def rot90(tensor,k=1,axes=[1,2],name=None):
    '''
    autor:lizh
    tensor: a tensor 4 or more dimensions
    k: integer, Number of times the array is rotated by 90 degrees.
    axes: (2,) array_like
        The array is rotated in the plane defined by the axes.
        Axes must be different.
    
    -----
    Returns
    -------
    tensor : tf.tensor
             A rotated view of `tensor`.
    See Also: https://www.tensorflow.org/api_docs/python/tf/image/rot90 
    '''
    axes = tuple(axes)    if len(axes) != 2:        raise ValueError("len(axes) must be 2.")
        
    tenor_shape = (tensor.get_shape().as_list())
    dim = len(tenor_shape)    
    if axes[0] == axes[1] or np.absolute(axes[0] - axes[1]) == dim:        raise ValueError("Axes must be different.")        
    if (axes[0] >= dim or axes[0] < -dim 
        or axes[1] >= dim or axes[1] < -dim):        
        raise ValueError("Axes={} out of range for tensor of ndim={}."
            .format(axes, dim))
    k%=4
    if k==0:        return tensor    if k==2:
        img180 = tf.reverse(tf.reverse(tensor, axis=[axes[0]]),axis=[axes[1]],name=name)        return img180
    
    axes_list = np.arange(0, dim)
    (axes_list[axes[0]], axes_list[axes[1]]) = (axes_list[axes[1]],axes_list[axes[0]]) # 替换
    
    print(axes_list)    if k==1:
        img90=tf.transpose(tf.reverse(tensor,axis=[axes[1]]), perm=axes_list, name=name)        return img90    if k==3:
        img270=tf.reverse( tf.transpose(tensor, perm=axes_list),axis=[axes[1]],name=name)        return img270

2.3 代码测试

# 加载库import numpy as npimport matplotlib.pyplot as pltimport tensorflow as tf# 手写体数据集 加载from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/home/lizhen/data/MNIST/", one_hot=True)

sess=tf.Session()#选取数据 4Dimages = mnist.train.images
img_raw = images[0,:] # [0,784]img=tf.reshape(img_raw,[-1,28,28,1]) # img 现在是tensor# 绘图def fig_2D_tensor(tensor):# 绘图
    #plt.matshow(tensor, cmap=plt.get_cmap('gray'))
    plt.matshow(tensor) # 彩色图像
    # plt.colorbar() # 颜色条
    plt.show()# 显 显示 待旋转的图片fig_2D_tensor(sess.run(img)[0,:,:,0]) # 提取ndarray

简单的测试一下代码:

img11_rot=rot90(img,2) # 旋转两次90fig_2D_tensor(sess.run(img11_rot)[0,:,:,0]) # 打印图像img12_rot=rot90(img,1,[1,1]) # 抛出异常,  测试 Axes must be different.img13_rot=rot90(img,1,[0,6]) # 抛出异常,  测试 Axes must be different.img14_rot=rot90(img,axes=[1,5])# 抛出异常,测试out of range.img14_rot=rot90(img,axes=[-1,2]) # -1的下标是倒数第二个,测试out of range.

测试结果:

3总结

okey了,现在可以用了.
.....

额,,,,,最近才发现tensorflow的最新版本,大约就在前几天发布的新版本(14天前, 1.10.1 )上已经添加了对2D,3D图像的操作,支持[B,W,H,C]格式的tensor做出旋转²

星期五, 07. 九月 2018 02:49下午

参考文献

1. Understanding 2D Dilated Convolution Operation with Examples in Numpy and Tensorflow with Interactive Code

2. tensorflow/python/ops/image_ops#rot90

原文出处：https://www.cnblogs.com/greentomlee/p/9604806.html