圖像旋轉後的矩陣觀察-1 使用 PIL+scipy

圖像旋轉後的矩陣觀察

在週末報告完論文時，老師提了一個問題，就是旋轉之後矩陣是不是變大了？變大了之後是不是導致了特徵的改變，所以感知雜湊的檢測的成功率就變低了。在自己實驗時，都是給定旋轉角度後直接去計算感知雜湊，最多就是把旋轉後的圖像顯示出來，沒有仔細的去觀察矩陣的變化。因此，我們來觀察圖像旋轉後的矩陣，並且思考變化後的矩陣如何影響感知雜湊。

首先我們先準備 Lena_Gray.tiff 的圖，如以下代碼

from PIL import Image, ImageOps
import numpy as np
from scipy import ndimage

img = Image.open(r”Lena_Gray.tiff”)
img = ImageOps.grayscale(img)
img.show()
## 顯示圖像
print(np.array(img).shape)
## (512, 512)
print(img)
## <PIL.Image.Image image mode=L size=512x512 at 0x255B176DAC0>

在以上代碼中，我們多做了灰階化，目的是專注於二維陣列，也就是矩陣的旋轉。然後把 img 及 shape 打印出來，以確定是我們所需要的。下圖是 Lena_Gray

接下來旋轉矩陣並且把 shape 打印出來

img_45 = ndimage.rotate(img, 45)
print(np.array(img_45).shape)
## (724, 724)

這裡我們會看到矩陣變成了(724,724), 旋轉圖像的顯示如下。

到這一步為止都很正常，符合我們的期待，先下本段的結論。圖像旋轉後，除了旋轉本會造成的特徵改變之外，對於因為旋轉造成矩陣變大而增加的數據，也可能增加特徵提取時的誤判。

而下一篇使用 OpenCV 則有點出乎我的意料之外了。