1

Image Translation

Unsolved
Computer Vision

Difficulty: 6 | Problem written by Sakar Ghimire
Problem reported in interviews at

Apple
Facebook
Google
Netflix

We can use the following transformation matrix: 

\(\begin{pmatrix} 1 & 0 & t_x\\ 0 & 1 & t_y \end{pmatrix} \)

To translate an image, we then need to calculate the dot product of every pixel and this matrix. 

For a given grayscale input image represented by a NumPy array with shape (h,w), shift distance tuple (tx,ty), and the shape of output image as a tuple (h,w), calculate and return the translated output image. 

Sample Input:
<class 'list'>
src_img: [[ 1 2 3 4 5] [ 1 1 1 1 1] [ 5 66 6 5 5]]
shift_distance: (0, 0)
shape_of_out_img: (5, 5)

Expected Output:
<class 'numpy.ndarray'>
[[ 0 0 0 0 0] [ 0 1 1 1 1] [ 0 66 6 5 5] [ 0 0 0 0 0] [ 0 0 0 0 0]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Et inventore doloremque sunt aliquid cumque quo fuga ea, dolore dolores nihil quasi eaque ipsam eligendi architecto accusantium, officia optio non neque tempora provident repudiandae laudantium reiciendis rerum qui, libero repudiandae quia saepe est excepturi, sunt voluptas sequi? Laborum doloribus soluta officia quae, aspernatur doloremque molestias quam rerum aliquam distinctio sint, necessitatibus dolorum suscipit dicta esse quis, eligendi expedita itaque possimus ea explicabo aliquid pariatur voluptatem quibusdam nihil at, earum quisquam possimus?

Natus ut saepe ipsam reprehenderit nesciunt nobis fugiat vitae sapiente non voluptate, recusandae vero reiciendis eligendi officiis amet? Laboriosam consectetur libero quidem animi expedita repudiandae, sequi sunt esse sint blanditiis temporibus, eaque modi a fugiat iusto, temporibus maiores itaque iusto totam fugiat asperiores error amet sunt earum.

Consequatur ea nulla delectus corporis voluptas dolorem adipisci ab natus, cum tempore ipsa delectus voluptas dolore atque dolorum rem, dolores cumque vel necessitatibus ad eos iusto optio ratione in mollitia perspiciatis, nisi laborum dignissimos dolorum velit quas quis officia placeat id, pariatur doloribus officiis? In unde tenetur qui quisquam sunt ducimus atque dolores magni, libero enim quo ratione incidunt dolorum amet debitis id voluptatibus beatae officia, sit architecto placeat non iusto labore a, distinctio inventore quam rerum, dolore repellat fugit quas fuga minima odit impedit officiis porro quasi ut? Molestias consectetur nihil iste pariatur facere at, reprehenderit incidunt dolor mollitia dolorum numquam cum omnis, porro id aliquam eum dolor?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)