Średnia dla woksela o wymiarach 3x3x3 w rozmiarze 192x192x24 - obraz, matlab, przetwarzanie obrazu, woksel

Przetwarzam pliki obrazów ze zmierzeniemintensywność, w zasadzie wydobywanie wokseli w rozmiarach 1x1x1 pikseli. Pliki obrazów tworzą wolumin, aby uniknąć intensywności pików. Chciałbym znaleźć sposób na średnie 3x3x3 piksele.

Mój problem polega na tym, aby zrozumieć problem, ponieważ jest to kształt w obrazie oddzielony zerami i innymi wartościami. Tak więc najpierw rozważałem for-lukaj z if-komunikat. Są to rozważania, które poczyniłem do tej pory for-loop i if-komunikat. MATLAB postrzega głośność jako długą matrycę, a więc prostą for Pętla powinna być łatwa do znalezienia niezerowej wartości i sąsiednich wartości, i przyjąć średnią ponad te wartości. Problem pojawia się, gdy muszę wziąć pod uwagę wymiar z.

To najwyraźniej nie działa optymalnie i ciężko mi wyjaśnić efekty graniczne.

Odpowiedzi:

Mam nadzieję, że poprawnie interpretuję twoje pytanie, alechcesz znaleźć średnią dla objętości woksela 3 x 3 x 3 dla każdego woksela w obrazie wejściowym, w którym każdy woksel wejściowy działa jako środek każdej objętości woksela 3 x 3 x 3 do uśrednienia. Jeśli masz możliwość korzystania z wbudowanych funkcji MATLAB, rozważ użycie splotu N-D z convn. Nie używaj tutaj pętli, ponieważ będzie to bardzo powolne convn, pierwszym parametrem jest obraz 3D, adrugim parametrem jest jądro 3 x 3 x 3 o wartościach równych 1/27. Masz również możliwość określenia, co stanie się wzdłuż granicy, jeśli jądro splotu wykracza poza granice obrazu wejściowego. Zwykle chcesz zwrócić obraz wyjściowy o takim samym rozmiarze jak dane wejściowe, a więc możesz chcieć określić "same" flag jako trzeci opcjonalny parametr. Ten mechanizm uśredniający zakłada również, że zewnętrzne krawędzie są wyściełane zerami.

Dlatego zakładaj, że twój obraz jest zapisany im, zrób coś takiego:

%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel / numel(kernel);

%// Perform N-D convolution
out = convn(double(im), kernel, "same"); %// Cast to double for precision

out = cast(out, class(im)); %// Recast back to original data type

Ewentualnie, jeśli masz dostęp do przybornika do przetwarzania obrazu, użyj imfilter zamiast. Różnica z tym i convn czy to imfilter został napisany przy użyciu Zintegrowane prymitywy wydajności Intel (IIPP), więc wydajność zdecydowanie będzie większa:

%// Create kernel of all 1/27 in a 3 x 3 x 3 matrix
kernel = ones(3,3,3);
kernel = kernel / numel(kernel);

%// Perform N-D convolution
out = imfilter(im, kernel);

Dodatkową korzyścią jest to, że nie musisz zmieniać typu wejścia. imfilter automatycznie podsuwa to, przetwarza z zachowaniem oryginalnego typu obrazu wejściowego i typu wyjściowego imfilter jest taki sam jak typ wejścia. Z convn, przed użyciem należy upewnić się, że dane są zmiennoprzecinkowe.