仿射轉換矩陣可同時描述最多四種變化：位移、旋轉、縮放與錯切。矩陣中的元素會將輸入陣列的座標對應到輸出。
在這個練習中，請使用 ndi.affine_transform() 把下列配準矩陣套用到 im。哪一個最能把原始影像置中、校水平並放大？
ndi.affine_transform()
im
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
準備好征服第 N 維吧！在課程一開始，你會學到如何以人類胸腔的 CT 影像為例，載入、建立並瀏覽 N 維影像。你也會運用實用的 ImageIO 套件，並精進你的 NumPy 與 matplotlib 技能。
透過轉換 X 光影像，把影像處理「剖析」到位。你會學到如何利用強度分佈來選取陣列的子區域，並使用卷積濾波器偵測有趣的特徵。你也會使用 SciPy 的 ndimage 模組，裡面包含大量實用的影像處理工具。
在本章中，你將切入影像分析的核心：物件量測。利用 4D 心臟時間序列，你會判斷病人是否可能罹患心臟疾病。過程中，你將學習影像分割、物件標記，以及形態學量測的基礎。
最後一章，你需要動用你的大腦……還有數百個別人的！從超過 400 個開放取用的 MR 影像匯入資料，你會學到配準、重取樣與影像比較的基本概念。接著，你將使用擷取出的量測結果來評估阿茲海默症對大腦結構的影響。
當前練習
