目前，在想要比较一只狗脚掌下压力的时候，仅仅比较了脚掌下每个脚趾的压力。但是，想要尝试比较整个脚掌下的压力。 但为了实现比较，必须进行旋转操作，使脚趾重叠（效果较好）。因为大多数情况下，左右脚掌都会略微向外旋转，因此如果不能简单地投影在一个脚掌上，则可以旋转脚掌，使其全部以相同的方式对齐。
目前，通过使用脚趾探测对两个中间脚趾和后脚趾进行查看，来计算旋转角度，然后计算黄线（绿色和红色脚趾之间的轴线）和绿线（中性轴）之间的角度。 目前想要旋转数组将在后脚趾周围旋转，使得黄线和绿线对齐。但是，该如何操作？ 请注意，虽然此图像只是二维的（仅每个传感器的最大值），但是想要在三维数组（平均为 10x10x50）上对其进行计算。角度计算中的一大缺点在于其对脚趾检测非常敏感，因此如果有人提出更正确的数学计算方法，将会非常感谢。 之前看到了一个人体压力测量研究，其中使用了局部几何惯性轴法，该方法至少非常可靠。但这仍然无法帮助说明如何旋转数组！
如果有人想要进行实验，这里有一个文件，其中包含所有切片数组，其中包含每个脚掌的压力数据。为了澄清：walk_sliced_data 是一个包含 ['ser_3', 'ser_2', 'sel_1', 'sel_2', 'ser_1', 'sel_3'] 的字典，这些是测量的名称。每个测量包含另一个字典 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]（'sel_1' 中的示例），代表提取的冲击。
解决方案
- 直接计算力的大小
为什么以这种方式进行操作？为什么不简单地对整个区域进行积分并进行比较？在这种情况下，可以得到力的幅值，并且可以简单地比较标量，这会容易得多。 如果需要以某种方式比较区域（因此，这就是需要对其进行对齐的原因），那么可以尝试进行特征提取和对齐。但是，如果压力图不相似（例如有人未对一只脚施加太多重量），则此操作似乎会失败。 假设可以变得非常复杂，但听起来，您想要的是简单地计算力的大小？ 顺便说一下，可以使用简单的相关性检验来查找图像相似的最佳角度和平移。 为此，只需计算两个不同图像在各种平移和旋转情况下的相关性即可。
- 使用 Python Imaging Library 进行数组旋转
可以使用 Python Imaging Library 通过以下方式旋转数组： array(Image.fromarray().rotate(, resample=Image.BICUBIC))
在该函数中，可以对三维数组的不同层进行循环操作。 如果将第一个维度作为层，则 array[] 将返回一个二维层，因此： for x in range(): layer = [i] [i] = (Image.fromarray(layer).rotate(, resample=Image.BICUBIC))
尝试的解决方案：
- 将数组放入更大的数组中以补救较暗的背景。
- 研究重采样，可能首先调整数组的比例。
- 将后脚趾移向中间，以便绕后脚趾进行旋转。
- 可以通过查找边界并将边界定位在 15x15 中来确定较小的图像。
