首页 / 算法 / Python中的3D Sobel算法?
Python中的3D Sobel算法?
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python中的3D Sobel算法?,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1652字,纯文字阅读大概需要3分钟。
内容图文
![Python中的3D Sobel算法?](/upload/InfoBanner/zyjiaocheng/675/35e82de697194f0580ef520c818dc247.jpg)
我正在尝试在python中计算3d sobel过滤器.我下面有一个很好的2d图像代码.
顺便说一句我的原始图像是uint8类型.
preSobel = preSobel.astype('int32')
dx = ndimage.sobel(preSobel, 0) # horizontal derivative
dy = ndimage.sobel(preSobel, 1) # vertical derivative
mag = numpy.hypot(dx, dy) # magnitude
mag *= 255.0 / numpy.max(mag) # normalize (Q&D)
img[i,:,:]=mag
但是根据我对用于计算2d的wiki page的理解,我应该将1d sobel结果乘以,而不是hypot:confused
无论如何,要转到3d,我想我需要在每个轴上计算1d sobel,然后将其相乘,但我不确定…那里是否有任何库可以更快地计算3d sobel?
解决方法:
首先,参考您的wikipedia link:乘法是指构造sobel卷积核的方法,而不是最终结果.
对于2D sobel滤波器,您需要一个内核来获取x方向的导数,另一个内核来获取Y方向的导数,例如
本质上,这是您的两个命令所执行的操作,因此,如果您使用的是numpy,则无需自己构造这些内核.
dx = ndimage.sobel(preSobel, 0) # horizontal derivative
dy = ndimage.sobel(preSobel, 1) # vertical derivative
现在,对于3D情况,您需要3种操作和3个内核,其中1个用于dx,dy,dz.
链接的Wiki部分告诉您如何通过乘以组件来构造内核.例如,用于dZ的成品sobel内核是一个3x3x3矩阵,如下所示:
要获得幅度,您仍然必须随后取平方导数(斜边)的平方根.
我没有numpy,但据我从the documentation得知,ndimage sobel命令可以处理任意数量的维,因此,再次提供了内核:
dx = ndimage.sobel(your3Dmatrix, 0) # x derivative
dy = ndimage.sobel(your3Dmatrix, 1) # y derivative
dz = ndimage.sobel(your3Dmatrix, 2) # z derivative
现在,斜边命令可能仅包含两个参数,因此您将不得不寻找另一种有效计算mag = sqrt(dxdx dydy dz * dz)的方法.
但是NumPy应该拥有您所需的一切.
更新资料
实际上,如果您只对幅度感兴趣,则there is a complete function in numpy for this:
mag = generic_gradient_magnitude(your3Dmatrix, sobel)
内容总结
以上是互联网集市为您收集整理的Python中的3D Sobel算法?全部内容,希望文章能够帮你解决Python中的3D Sobel算法?所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。