python中的3d-sobel算法？

Question

我在用python计算一个3d的sobel过滤器。我有一个很好的二维图像代码如下。在

顺便说一句，我的原图是uint8型的。在

    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

但从我对计算2d的wiki page的理解来看，我应该乘以1d的sobel结果，而不是hypot:confussed

不管怎样，要想进入3d，我想我需要计算每个轴上的1d sobel，然后乘以所有的，但我不确定。。。有没有哪家图书馆能更快地计算出3d-sobel？在

Answer 1

首先，关于你的wikipedia link：乘法指的是构造sobel卷积核的方法，而不是最终结果。在

对于2D-sobel滤波器，需要一个内核来获得x方向的导数，而另一个内核则需要Y方向的导数，例如。

这基本上就是您的两个命令所做的，所以如果您使用的是numpy，您不需要自己构建这些内核。在

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

现在对于3D的情况，你需要3个操作和3个内核，一个用于dx，dy，dz。 linkedwiki部分告诉您如何通过将组件相乘来构造内核。例如，dZ的sobel内核是一个3x3x3矩阵，如下所示：

为了得到这个量值，你还需要求平方导数的平方根（斜边）。在

我没有numpy，但是从the documentation可以看出ndimage sobel命令可以处理任意数量的维，因此，内核已经提供了：

^{pr2}$

现在斜边命令可能只需要两个参数，所以您必须找到另一种方法来有效地计算mag=sqrt（dxdx+dydy+dz*dz）。 但NumPy应该有你需要的一切。在

---

更新

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

 mag = generic_gradient_magnitude(your3Dmatrix, sobel)