0. 实验环境

• Ubuntu 16.04
• Matlab R2015b

1. 借助于 mlab 库

安装方法非常简单，只需一行命令 sudo pip install mlab 即可。

import numpy as np
from PIL import Image
from mlab.releases import latest_release as matlab

image = Image.open(\'1.jpg\')
image = np.array(image)
h, w = image.shape
print(image.shape) # (413, 295)

在上面的代码中，我们先读入一个图片，然后将其转化为一个 Numpy 数组。接下来，假如我们想通过调用 MATLAB 的 imresize 函数来对这幅图像进行 4 倍上采样，那么我们要做的就是将这个 Numpy 数组传递到 MATLAB 中，然后调用相应的函数，最后再将结果返回到 Python 中。

但是，MATLAB 并不支持将 Python 中的 Numpy 数组直接映射为矩阵，具体映射方式可参考 从 Python 将数据传递到 MATLAB。所以，我们需要先将数组转化为列表，然后通过 matlab.double(initializer=None, size=None, is_complex=False) 构造函数 在 Python 中创建 MATLAB 数组，最后再调整到原来图片的大小。这时候，我们就可以调用 MATLAB 的函数得到我们想要的结果了。

image = image.reshape(-1, 1)
image = image.tolist()
image = matlab.double(image)
image = matlab.reshape(image, (h, w))
resized_image = matlab.imresize(image, 4, \'bicubic\')
print(resized_image.shape) # (1652, 1180)

如果我们想要调用自定义函数，比如下面这样的 m 文件。

function c = add(a, b)
	c = a + b;
end

那么只需要传递相应的参数进去即可，这里 Python 中的浮点数会映射为 MATLAB 中的 double 类型。

result = matlab.add(2.0, 3.0)
print(result) # 5.0

但是，目前在我这边发现 mlab 不支持 Python 3，安装后会提示 ImportError: No module named \'mlabwrap\' 之类的错误，暂时还没找到解决方案。

2. 借助于 MATLAB 自带的引擎 API

首先，需要 安装用于 Python 的 MATLAB 引擎 API。比如，在我的工作环境下，需要进入到 MATLAB 对应的安装路径 /usr/local/MATLAB/R2015b/extern/engines/python，然后运行命令 sudo python setup.py install 即可。

由于我的 MATLAB 版本还比较低，目前只支持到 Python 3.4，更高的版本则会报错 OSError: MATLAB Engine for Python supports Python version 2.7, 3.3 and 3.4, but your version of Python is 3.5。

>>> import matlab.engine
>>> eng = matlab.engine.start_matlab()
>>> import numpy as np
>>> image = np.random.randn(30, 30)
>>> image.shape
(30, 30)
>>> resized_image = eng.imresize(image, 4, \'bicubic\')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/matlab/engine/matlabengine.py", line 79, in __call__
    out=_stdout, err=_stderr)
TypeError: unsupported Python data type: numpy.ndarray
>>> image = image.reshape(-1, 1)
>>> image = image.tolist()
>>> image = matlab.double(image)
>>> image.reshape((30, 30))
>>> resize_image = eng.imresize(image, 4, \'bicubic\')
>>> resize_image.size
(120, 120)

>>> eng.add(2.0, 3.0)
5.0
>>>

用法和第一种类似，但是在我这边测试发现只能运行在交互模式下，直接运行对应的 py 文件则会报错。

senius@HP:~/Downloads$ python2 test1.py 
Traceback (most recent call last):
  File "test1.py", line 3, in <module>
    import matlab.engine
  File "/usr/local/lib/python2.7/dist-packages/matlab/engine/__init__.py", line 60, in <module>
    raise EnvironmentError(\'The installation of MATLAB Engine for Python is \'
EnvironmentError: The installation of MATLAB Engine for Python is corrupted.  
Please reinstall it or contact MathWorks Technical Support for assistance.

上面两种方法都只能进行一些简单的调用，而且还需要在 Python 和 MATLAB 之间进行数据转化，非常不方便，下面介绍的第三种方法则非常简单有效。

3. 借助于 transplant 库

transplant 库支持 Python 3.4-3.7，安装方法非常简单 sudo pip3 install transplant。Python 中的列表会转化为 MATLAB 中的元胞数组，Numpy 数组会转化为 MATLAB 中的矩阵，更多详细信息可参阅 github 和 教程。同样地，我们可以这样对图像进行上采样。

>>> import transplant
>>> import numpy as np
>>> matlab = transplant.Matlab(jvm=False, desktop=False)

                            < M A T L A B (R) >
                  Copyright 1984-2015 The MathWorks, Inc.
                   R2015b (8.6.0.267246) 64-bit (glnxa64)
                              August 20, 2015

 
For online documentation, see http://www.mathworks.com/support
For product information, visit www.mathworks.com.
 
>>> image = np.random.randn(30, 30)
>>> image.shape
(30, 30)
>>> resized_image = matlab.imresize(image, 4, \'bicubic\')
>>> resized_image[0]
array([[ 0.78619134,  0.7167187 ,  0.57147529, ..., -0.1314248 ,
        -0.19615895, -0.22226921],
       [ 0.69992414,  0.63668882,  0.50463212, ..., -0.10023177,
        -0.16053713, -0.18483134],
       [ 0.51579787,  0.46606682,  0.36253926, ..., -0.01897913,
        -0.07015085, -0.09065985],
       ...,
       [ 0.27508006,  0.27579099,  0.28756401, ..., -0.70385557,
        -0.80006309, -0.84680474],
       [ 0.23260259,  0.23527929,  0.25076149, ..., -0.75840955,
        -0.80315767, -0.82872907],
       [ 0.21943022,  0.2228168 ,  0.2396492 , ..., -0.78075353,
        -0.80353953, -0.8200766 ]])
>>> resized_image[0].shape
(120, 120)
>>>

针对如下所示的多个自定义函数存在互相调用的复杂情况，transplant 也可以轻松胜任。

比如，我们需要通过 Python 调用 NGmeet_DeNoising( N_Img, O_Img, nSig ) 这个函数，它有三个输入，N_Img 为长×宽×波段的三维噪声高光谱图像，O_Img 为对应的干净图像，而 nSig 为噪声等级。那么只需在 Python 中将两个 Numpy 数组和一个整数传给对应的函数即可。

clean = np.load(\'GT_crop.npy\')
h, w, b = clean.shape
sigma = 25
noisy = clean + np.random.randn(h, w, b) * sigma / 255
print(cal_psnr(clean, noisy)) # 20.1707
c = matlab.NGmeet_DeNoising(255.0*noisy, 255.0*clean, sigma)
print(c.shape, c.dtype) # (200, 200, 191) float64
print(matlab.mpsnr(c/255, clean)) # 34.5712

如果报如下的错误，则因为 par_nSig 是将 Python 中的 sigma=25 转化为了 MATLAB 中的 int64，而 int64 数据不能与 double 类数据相乘。而解决办法也很简单，double(par_nSig) 将其数据转化为 double 类型即可。

获取更多精彩，请关注「seniusen」!