TensorFlow中逆对数极坐标变换实现错误排查求助

我已实现对数极坐标变换（LPT）及其逆变换，正向变换运行正常，但逆变换输出图像结果不正确。推测问题出在网格坐标的归一化环节，但无法定位具体原因。

正向变换代码 #

def log_polar_transform(x, radius_factor = tf.sqrt(2.)):
    b, h, w, c = x.shape
    grid = make_grid(h, w) #(2, hw), represent log-polar coordinate system
    grid = tf.repeat(grid[None, ...], b, axis=0) #(b, 2, hw) 
    X, Y = grid[:, 0], grid[:, 1]
    
    #theta 
    theta = (Y + 1) * math.pi #[0, 2pi]
    
    #radius
    maxR = max(h, w) * radius_factor
    r = tf.exp((X + 1)/2 * tf.math.log(maxR)) #[1, h]
    r = (r-1)/(maxR -1) #[0, h]-->[0, 1]
    r = r * (maxR/h) #scale factorize
    
    #map to cartesian coordinate system
    xs = tf.reshape(r * tf.math.cos(theta), [b, h, w])
    ys = tf.reshape(r * tf.math.sin(theta), [b, h, w])
    output = interpolate(x, xs, ys)
    output = tf.reshape(output, [b, h, w, c])
    return output

原逆变换代码 #

def inverse_log_polar_transform(x):
    b, h, w, c = x.shape
    grid = make_grid(h, w) 
    grid = tf.repeat(grid[None, ...], b, axis=0) #(b, 2, hw) 
    X, Y = grid[:, 0], grid[:, 1]
    rs = tf.sqrt(X**2 + Y **2)/tf.sqrt(2.)
    ts = (tf.atan2(-Y, -X))/math.pi #[-1., 1.]
    
    rs = tf.reshape(rs, [b, h, w])
    ts = tf.reshape(ts, [b, h, w])
    output = interpolate(x, rs, ts)
    output = tf.reshape(output, [b, h, w, c])
    return output

问题根源 #

原逆变换完全没有对应正向LPT的数学映射逻辑，只是对网格坐标做了简单的极坐标转换，和正向变换的对数映射、坐标缩放、角度定义完全脱节，导致采样坐标错误。

修正后的逆变换代码 #

def inverse_log_polar_transform(x, radius_factor = tf.sqrt(2.)):
    b, h, w, c = x.shape
    maxR = max(h, w) * radius_factor
    
    grid = make_grid(h, w) # 对应原图的笛卡尔归一化坐标[-1,1]×[-1,1]
    grid = tf.repeat(grid[None, ...], b, axis=0)
    X, Y = grid[:, 0], grid[:, 1]
    
    # 把归一化坐标转换为原图空间的中心坐标系
    x_cart = X * (w / 2)
    y_cart = Y * (h / 2)
    
    # 计算原图空间的极径，并反向推导对数极坐标的径向归一化坐标
    r = tf.sqrt(x_cart**2 + y_cart**2)
    r = r * (h / maxR)  # 反向正向的缩放步骤
    r = r * (maxR - 1) + 1  # 反向归一化步骤
    r = tf.maximum(r, 1e-6)  # 避免log(0)报错
    rs = (2 * tf.math.log(r) / tf.math.log(maxR)) - 1  # 反向对数映射
    
    # 计算原图空间的极角，并反向推导对数极坐标的角度归一化坐标
    theta = tf.atan2(y_cart, x_cart)  # 范围[-π, π]
    theta = tf.where(theta < 0, theta + 2 * math.pi, theta)  # 转换为[0, 2π]
    ts = (theta / math.pi) - 1  # 对应正向的theta=(Y+1)*π的逆运算
    
    rs = tf.reshape(rs, [b, h, w])
    ts = tf.reshape(ts, [b, h, w])
    output = interpolate(x, rs, ts)
    output = tf.reshape(output, [b, h, w, c])
    return output

关键修正说明 #

1. 完整逆运算链：严格按照正向变换的步骤反向推导，从原图笛卡尔坐标还原出对数极坐标的归一化采样坐标
2. 角度匹配：修正极角的计算方向和范围，和正向变换的θ定义保持一致，确保角度采样正确
3. 边界处理：添加r=0的防护，避免对数运算出现无效值
4. 参数一致性：保留正向变换的radius_factor参数，保证前后变换的参数统一

内容的提问来源于stack exchange，提问作者Tom Huang