Python中的sobel算法？

Question

我正在尝试在python中计算一个3d sobel过滤器。我有一个非常好的代码，用于下面的2D图像。

顺便说一句。我的原始图片是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

但是根据我对计算2d的wiki page的理解，我应该乘以1d sobel结果而不是hypot：confused

无论如何，要去3d，我想我需要在每个轴上计算1d sobel，然后乘以所有但是我不确定...那里有没有更快地计算3d sobel的库吗？

Answer 1

首先，参考你的wikipedia link：乘法是指构造索贝尔卷积核的方法，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，而另一个内核来获得Y方向的导数，例如：

这基本上是你的两个命令所做的，所以如果你使用numpy，你不需要自己构建这些内核。

dx = ndimage.sobel(preSobel, 0)  # horizontal derivative
dy = ndimage.sobel(preSobel, 1)  # vertical derivative

现在对于3D情况，你需要3个内核的3个操作，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，用于dZ的完成的sobel内核是一个3x3x3矩阵，如下所示：

为了达到这个幅度，你仍然必须采用平方导数（斜边）的平方根。

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，所以内核已经提供了：

dx = ndimage.sobel(your3Dmatrix, 0)  # x derivative
dy = ndimage.sobel(your3Dmatrix, 1)  # y derivative
dz = ndimage.sobel(your3Dmatrix, 2)  # z derivative

现在，hypotenuse命令可能只占用2个参数，因此您必须找到另一种方法来有效地计算mag = sqrt（dx dx + dy dy + dz * dz）。 但NumPy应该拥有你需要的一切。

---

<强>更新

实际上，如果您只对幅度感兴趣，there is a complete function in numpy for this：

 mag = generic_gradient_magnitude(your3Dmatrix, sobel)