Question

我想做的是获取一个表示3D图像数据的numpy数组，并为每个体素计算hessian矩阵。我的输入是一个形状为（Z，X，Y）的矩阵，我可以轻松地沿z切片并检索单个原始图像。

gx, gy, gz = np.gradient(imgs)

gxx, gxy, gxz = np.gradient(gx)
gyx, gyy, gyz = np.gradient(gy)
gzx, gzy, gzz = np.gradient(gz)

我可以按如下方式访问单个体素的粗麻布：

x = 100
y = 100
z = 63

H = [[gxx[z][x][y], gxy[z][x][y], gxz[z][x][y]],
     [gyx[z][x][y], gyy[z][x][y], gyz[z][x][y]],
     [gzx[z][x][y], gzy[z][x][y], gzz[z][x][y]]]

但这很麻烦，我无法轻松地对数据进行切片。

我已经尝试过按照以下方式使用重塑

H = H.reshape(Z, X, Y, 3, 3)

但是，当我通过检索特定体素的hessian进行测试时，从重整形数组返回的值与原始数组完全不同。

我认为我可以以某种方式使用zip，但是我只能找到它来制作元组列表。

奖金：如果有更快的方法可以完成此操作，请告诉我，我本质上需要为3D数据集中的每个体素计算hessian矩阵的三个特征值。计算hessian值的速度确实很快，但是找到单个2D图像切片的特征值大约需要20秒。是否有用于图像处理的GPU或张量流加速库？

Answer 1

我们可以使用列表理解来获得粗麻布-

[np.gradient(i) for i in np.gradient(imgs)]

仅需说明一下：np.gradient循环遍历(3 x 3)调用的两个输出级别，从而在外两个轴上产生H_all形的张量。我们需要将这两个作为最终输出中的最后两个轴。因此，我们将它们移到最后。

因此，x,y,z拥有所有的粗麻布，因此我们可以提取给定x = 100 y = 100 z = 63 H = H_all[z,y,x]的特定粗麻布，就像这样-

<?php echo "<li><a href='edit.php?userId=${row['id']}'>Edit</a></li>"?>

重塑numpy数组

1 个答案: