3d sobel算法在python中的实现
我正在尝试用python计算一个3d sobel滤波器。我有一个非常好的二维图像代码，如下所示。
顺便说一句。我的原始图像是uint8类型的。
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但根据我对计算2d的wiki page的理解，我应该将1dsobel的结果相乘，而不是假设：
无论如何，为了转到3d，我想我需要在每个轴上计算1d sobel，然后乘以所有，但我不确定…有没有更快计算3d sobel的库？
回答 1
Stack Overflow用户
发布于 2012-06-29 20:11:47
首先，关于你的wikipedia link：这里的乘法是指构建sobel卷积内核的方法，而不是最终结果。
对于2D sobel滤波器，您需要一个核来获得x方向的导数，另一个核来获得Y方向的导数，例如
这实际上就是您的两个命令所做的事情，所以如果您使用numpy，则不需要自己构造这些内核。
dx = ndimage.sobel(preSobel, 0) # horizontal derivative
dy = ndimage.sobel(preSobel, 1) # vertical derivative现在对于3D情况，你需要3个操作，3个内核，一个是dx，dy，dz。链接的wiki部分将告诉您如何通过乘以组件来构建内核。例如，为dZ完成的sobel内核是一个3x3x3矩阵，如下所示：
为了得到大小，你仍然需要取平方导数(斜边)的平方根。
我没有numpy，但据我从the documentation可以看出，ndimage sobel命令可以处理任意数量的维度，因此，内核已经提供：
dx = ndimage.sobel(your3Dmatrix, 0) # x derivative
dy = ndimage.sobel(your3Dmatrix, 1) # y derivative
dz = ndimage.sobel(your3Dmatrix, 2) # z derivative现在the命令可能只有2个参数，所以您必须找到另一种有效地计算dx_dx= dy_dy ( mag +sqrt+ dz*dz)的方法。但是NumPy应该有你需要的所有东西。
更新
实际上，如果你只对大小感兴趣，there is a complete function in numpy for this
mag = generic_gradient_magnitude(your3Dmatrix, sobel)https://stackoverflow.com/questions/11267994
复制
![如何将Eclipse设置为中文版[通俗易懂]](https://ask.qcloudimg.com/http-save/yehe-8223537/d15c135f083dbb9eb5640778d2fb2bb5.png)
相似问题
在Swift中，如何显式地为带有匿名闭包参数的map指定返回值？
Swift @auto闭包参数包装提供了显式闭包
为什么这个闭包参数需要显式类型？
带有多个参数的Swift闭包
将显式生存期的闭包作为Rust中的参数
领取专属 10元无门槛券
AI混元助手 在线答疑
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
