python - python中的3d sobel算法？

Question

我正在尝试在 python 中计算 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。

    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 wiki page 的理解为了计算 2d，我应该乘以 1d sobel 结果而不是 hypot :confused

无论如何，要转到 3d，我想我需要在每个轴上计算 1d sobel，然后乘以所有，但我不确定...是否有任何库可以更快地计算 3d sobel？

Answer 1

首先，引用你的wikipedia link : 那里的乘法指的是构造sobel卷积核的方式，不是最终的结果。

对于 2D sobel 滤波器，您需要一个内核来获取 x 方向的导数，以及另一个内核来获取 Y 方向的导数，例如

这基本上就是您的两个命令所做的，因此如果您使用的是 numpy，则无需自己构建这些内核。

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 个操作和 3 个内核，一个用于 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，dZ 的已完成 sobel 内核是一个 3x3x3 矩阵，如下所示:

要获得幅度，您仍然必须在之后对平方导数(斜边)求平方根。

我没有 numpy 但据我所知 the documentation 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 hypotenuse 命令可能只需要 2 个参数，所以你必须找到另一种方法来有效地计算 mag = sqrt(dxdx + dydy + dz*dz) 。但是 NumPy 应该拥有您需要的一切。

---

更新

实际上，如果您只对震级感兴趣，there is a complete function in numpy for this :

 mag = generic_gradient_magnitude(your3Dmatrix, sobel)