关于skimage中transform的旋转和numpy旋转的对比问题

记录下skimage中的旋转问题：

对于numpy旋转90度的问题，可直接调用以下函数即可完成，数据类型跟随变换之前的数据类型：

img_couterclock_90 = np.rot90(img, 1)

对于使用skimage，采用以下代码会造成数据类型的转换，尽管数据的取整值不会发生改变：

img_couterclock_90_skimage = transform.rotate(img, 90, preserve_range=True)

然而，需要确保保存图像时的数据类型为输入图像的数据类型，而直接采用astype的方式是错误的。原因在于此时的img_couterclock_90_skimage中的数据类型是float64的（适用于skimage中的图像处理），直接转换会造成数据截断发生错误。这一点可以通过对比两个数组看出来，截图如下：

img_couterclock_90[..., -1][np.where(img_couterclock_90_skimage[..., -1] != img_couterclock_90[..., -1])]

img_couterclock_90_skimage[..., -1][np.where(img_couterclock_90_skimage[..., -1] != img_couterclock_90[..., -1])]

而这些不同的数在view as array中是看不出来的，如下，分别为numpy旋转结果和skimage旋转结果:

如果直接对skimage旋转结果（float64）进行astype数据类型转换，将会造成数据截断，导致数据发生变化（部分1值消失，变为0），如下：

解决这个问题可以通过取整来解决，代码为：

np.rint(img_couterclock_90_skimage[..., -1]).astype(np.uint8)

 

可见，两者完全一致。

综上，可通过两种方法实现图像的旋转，numpy方法最优，skimage则需要在数据类型变换前进行取整操作，如下：

img_couterclock_90 = np.rot90(img, 1)

np.rint(img_couterclock_90_skimage[..., -1]).astype(np.uint8)

这样才能确保两者结果相同，不会改变图像数据类型。