grid in Pytorch

官方链接：
https://pytorch.org/docs/stable/generated/torch.nn.functional.grid_sample.html#torch.nn.functional.grid_sample

https://pytorch.org/docs/stable/generated/torch.nn.functional.grid_sample.html#torch-nn-functional-grid-sample

更多相关请看我的另一篇文章。

Flow filed 流场

在PyTorch中，流场（flow field）通常用来表示图像中像素的运动或位移信息。它是一个二维矢量场，每个像素都对应一个二维矢量，表示该像素从一个图像到另一个图像的位移。流场通常用于计算光流（optical flow）等计算机视觉任务，用于追踪物体的运动、分析视频序列等。

简单来说，就是在把图像a上的点a_{i, j} 变换到图像b的点b_{x, y}上。

Grid 网格

它是一个4维张量，形状为(N, Hout, Wout, 2)。其中N表示批次大小，Hout和Wout表示输出的高度和宽度，2表示每个像素在新图像上的(x, y)坐标。

TORCH.MESHGRID 生成grid

https://pytorch.org/docs/stable/generated/torch.meshgrid.html

MAKE_GRID 用于一次显示多张图

https://pytorch.org/vision/stable/generated/torchvision.utils.make_grid.html

**affine_grid用于仿射变换**

https://pytorch.org/docs/stable/generated/torch.nn.functional.affine_grid.html#torch.nn.functional.affine_grid

TORCH.NN.FUNCTIONAL.GRID_SAMPLE

定义

For each output location output[n, :, h, w], the size-2 vector grid[n, h, w] specifies input pixel locations x and y, which are used to interpolate the output value output[n, :, h, w].

根据输入值和映射网格（flow-field grid）计算输出。它主要用于在图像处理和计算机视觉任务中，根据给定的网格对输入数据进行采样和插值。

提供一个input的Tensor以及一个对应的flow-field网格(比如光流，体素流等)，然后根据grid中每个位置提供的坐标信息(这里指input中pixel的坐标)，将input中对应位置的像素值填充到grid指定的位置，得到最终的输出。

区别

grid_sample底层是应用双线性插值，把输入的tensor转换为指定大小。那它和interpolate有啥区别呢？

interpolate是规则采样（uniform)，但是grid_sample的转换方式，内部采点的方式并不是规则的，是一种更为灵活的方式。

函数

torch.nn.functional.grid_sample(input, grid, mode='bilinear', padding_mode='zeros', align_corners=None)

align_corners: 一个可选参数，通常为None。如果为True，则网格中的像素坐标(-1, -1)和(1, 1)将对准输入图像的四个角。如果为False或None，则(-1, -1)对应于输入图像的左上角，(1, 1)对应于右下角。

例子中，我们将一个大小为4x4的tensor 转换为了一个20x20的。grid的大小指定了输出大小，每个grid的位置是一个（x,y）坐标，其值来自于：输入input的（x，y）中 的四邻域插值得到的。

import torch
from torch.nn import functional as Finp = torch.ones(1, 1, 4, 4)# 目的是得到一个 长宽为20的tensor
out_h = 20
out_w = 20# grid的生成方式等价于用mesh_grid
new_h = torch.linspace(-1, 1, out_h).view(-1, 1).repeat(1, out_w)
new_w = torch.linspace(-1, 1, out_w).repeat(out_h, 1)
grid = torch.cat((new_h.unsqueeze(2), new_w.unsqueeze(2)), dim=2)
grid = grid.unsqueeze(0)outp = F.grid_sample(inp, grid=grid, mode='bilinear')
print(outp.shape)  #torch.Size([1, 1, 20, 20])

图片来自于SFnet（eccv2020）。flow field是grid， low_resolution是input， high resolution是output。

例子

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
import numpy as npdef visualize_affine_transformation(input_image, affine_matrix, padding_mode='zeros'):# 使用 grid_sample 进行仿射变换output_image = F.grid_sample(input_image, affine_matrix.unsqueeze(0).expand(input_image.size(0), -1, -1), padding_mode=padding_mode)# 可视化输入和输出图像input_image = input_image.squeeze().numpy()output_image = output_image.squeeze().numpy()plt.figure(figsize=(8, 4))plt.subplot(1, 2, 1)plt.imshow(input_image, cmap='gray')plt.title('Input Image')plt.subplot(1, 2, 2)plt.imshow(output_image, cmap='gray')plt.title('Output Image after Affine Transformation')plt.show()# 创建一个示例输入图像（单通道）
input_image = torch.zeros(1, 1, 5, 5)
input_image[0, 0, :, 2] = 1  # 在中心放置一个白色像素# 定义不同的仿射变换矩阵和 padding_mode
affine_matrix1 = torch.tensor([[1, 0, 2], [0, 1, 2], [0, 0, 1]], dtype=torch.float32)
affine_matrix2 = torch.tensor([[0.5, 0, 0], [0, 2, 0], [0, 0, 1]], dtype=torch.float32)
padding_mode1 = 'zeros'
padding_mode2 = 'border'# 调用可视化函数并尝试不同的参数组合
visualize_affine_transformation(input_image, affine_matrix1, padding_mode1)
visualize_affine_transformation(input_image, affine_matrix2, padding_mode1)
visualize_affine_transformation(input_image, affine_matrix1, padding_mode2)
visualize_affine_transformation(input_image, affine_matrix2, padding_mode2)

TORCH.NN.FUNCTIONAL.AFFINE_GRID

AFFINE_GRID用于生成仿射变换所需的矩阵。也就是映射所需的流场。

Generates a 2D or 3D flow field (sampling grid), given a batch of affine matrices theta.

其中的具体参数

torch.nn.functional.affine_grid(theta, size, align_corners=None)

• theta：一个4x2的张量，表示仿射变换的参数矩阵。这个矩阵通常由用户指定，它包含了仿射变换的缩放、旋转、平移和错切等信息。矩阵的形状应为 (N, 2, 3)，其中 N 是批次大小。通常情况下，你可以使用PyTorch的 torch.tensor 创建这个矩阵。

• size：一个包含两个整数的元组 (H, W)，指定生成的仿射变换网格的大小。H 表示输出的高度，W 表示输出的宽度。

• align_corners：一个布尔值或None，通常影响网格生成的坐标点的精确位置。

  当它为True时，生成的网格的坐标点会与输入图像的四个角对齐，这意味着生成的网格将确切地覆盖输入图像的所有四个角。这种情况下，坐标点的精确位置与输入图像的四个角相吻合，对于某些精确的几何变换可能更合适。

  如果为False或None（默认值），则生成的网格的坐标点会与输入图像的左上角对齐。这种情况下，坐标点的精确位置可能会在输入图像的像素之间，对于一般的仿射变换通常更常见。

Reference

grid_sample()函数及双线性采样