目前,如果我想比较狗的每只爪子下的压力,我只比较每个脚趾下面的压力。但我想尝试比较整个爪子下面的压力。
但要这样做我必须旋转它们,所以脚趾重叠(更好)。因为大多数时候左右爪子都在外面略微旋转,所以如果你不能简单地将一个爪子放在另一个上面。因此,我想旋转爪子,所以它们都以相同的方式对齐。
目前,我通过查看两个中间脚趾和后面的using the toe detection来计算旋转角度,然后计算黄线(脚趾绿色和红色之间的轴)与绿线之间的角度(中性轴)。
现在我想旋转阵列将围绕后脚趾旋转,以便黄色和绿色线对齐。但是我该怎么做呢?
请注意,虽然此图像仅为2D(仅为每个传感器的最大值),但我想在3D阵列上计算(平均10x10x50)。我的角度计算的另一个缺点是它对脚趾检测非常敏感,所以如果有人在数学上有更正确的计算方法,那我就是耳朵。
I have seen one study with pressure measurements on humans,他们使用局部几何惯性轴方法,至少非常可靠。但这仍然无法解释如何旋转阵列!
如果有人觉得需要进行实验,这里有一个all the sliced arrays that contain the pressure data of each paw的文件。为了澄清:walk_sliced_data是一个包含['ser_3','ser_2','sel_1','sel_2','ser_1','sel_3']的字典,它们是测量的名称。每个测量包含另一个字典,[0,1,2,3,4,5,6,7,8,9,10](例如来自'sel_1'),表示提取的影响。
答案 0 :(得分:3)
你为什么这样做?为什么不简单地整合整个地区并进行比较?在这种情况下,您将获得力量的大小,您可以简单地比较更容易的标量。
如果你需要以某种方式比较区域(因此这就是你需要对齐它们的原因),那么可能尝试进行特征提取和对齐。但是,如果压力图不相似,那么这似乎会失败(比如某人没有多少等待一只脚)。
我想你可以变得非常复杂,但听起来只是简单地计算力量就是你想要的?
BTW,如果图像相似,您可以使用简单的相关性测试来找到最佳角度和平移。为此,您只需计算两种不同图像之间的相关性,即可进行各种平移和旋转。
答案 1 :(得分:2)
使用Python Imaging Library,您可以旋转数组,例如:
array(Image.fromarray(<data>).rotate(<angle>, resample=Image.BICUBIC))
从那里,你可以在3D阵列的不同层上创建一个for循环。
如果您将第一个维度作为图层,则array[<layer>]
将返回2D图层,因此:
for x in range(<amount of layers>):
layer = <array>[i]
<array>[i] = (Image.fromarray(layer).rotate(<angle>, resample=Image.BICUBIC))
@IvoFlipse的结果,a conversation暗示: