1

我有以下使用 Python 和 OpenCV 的代码。简而言之，我有一堆以不同焦深拍摄的图像。这些代码在所有焦点深度 (z) 中挑选出每个 (x,y) 位置具有最大高斯响应的拉普拉斯算子的像素，从而创建焦点堆叠图像。函数get_fmap创建一个二维数组，其中每个像素将包含具有最大对数响应的焦平面的编号。在以下代码中，被注释掉的行是我当前的 VIPS 实现。它们在函数定义中看起来不兼容，因为它只是部分解决方案。

# from gi.repository import Vips

def get_log_kernel(siz, std):
    x = y = np.linspace(-siz, siz, 2*siz+1)
    x, y = np.meshgrid(x, y)
    arg = -(x**2 + y**2) / (2*std**2)
    h = np.exp(arg)
    h[h < sys.float_info.epsilon * h.max()] = 0
    h = h/h.sum() if h.sum() != 0 else h
    h1 = h*(x**2 + y**2 - 2*std**2) / (std**4)
    return h1 - h1.mean()

def get_fmap(img):    # img is a 3-d numpy array.
    log_response = np.zeros_like(img[:, :, 0], dtype='single')
    fmap = np.zeros_like(img[:, :, 0], dtype='uint8')
    log_kernel = get_log_kernel(11, 2)
    # kernel = get_log_kernel(11, 2)
    # kernel = [list(row) for row in kernel]
    # kernel = Vips.Image.new_from_array(kernel)
    # img = Vips.new_from_file("testimg.tif")
    for ii in range(img.shape[2]):           
        # img_filtered = img.conv(kernel)
        img_filtered = cv2.filter2D(img[:, :, ii].astype('single'), -1, log_kernel)
        index = img_filtered > log_response
        log_response[index] = img_filtered[index]
        fmap[index] = ii
    return fmap

然后fmap将用于从不同焦平面中挑选像素以创建焦点堆叠图像

这是在一个非常大的图像上完成的，我觉得 VIPS 在这方面可能比 OpenCV 做得更好。然而，官方文档提供的关于其 Python 绑定的信息相当少。根据我在互联网上可以找到的信息，我只能使图像卷积工作（在我的情况下，它比 OpenCV 快一个数量级。）。我想知道如何在 VIPS 中实现这一点，尤其是这些行？

log_response = np.zeros_like(img[:, :, 0], dtype = 'single')

index = img_filtered > log_response

log_response[index] = im_filtered[index]

fmap[index] = ii
4

2 回答 2

1

log_response并fmap在问题代码中初始化为 3D 数组，而问题文本指出输出fmap是 2D 数组。所以，我假设log_response并且fmap将被初始化为 2D 数组，它们的形状与每个图像相同。因此，编辑将是 -

log_response = np.zeros_like(img[:,:,0], dtype='single')
fmap = np.zeros_like(img[:,:,0], dtype='uint8')

现在，回到问题的主题，您正在对每个图像一个接一个地执行 2D 过滤，并获得所有堆叠图像中过滤输出的最大索引。如果您不了解 的文档cv2.filter2D，它也可以用于多维数组，为我们提供一个多维数组作为输出。然后，获得所有图像的最大索引就像.argmax(2). 因此，实施必须非常有效，而且很简单——

fmap = cv2.filter2D(img,-1,log_kernel).argmax(2)
于 2015-10-18T09:06:24.553 回答
1

在查阅了Python VIPS 手册和一些反复试验后，我想出了自己的答案。我有问题的 numpy 和 OpenCV 实现可以像这样翻译成 VIPS：

import pyvips

img = []
for ii in range(num_z_levels):
    img.append(pyvips.Image.new_from_file("testimg_z" + str(ii) + ".tif")

def get_fmap(img)
    log_kernel = get_log_kernel(11,2)  # get_log_kernel is my own function, which generates a 2-d numpy array.
    log_kernel = [list(row) for row in log_kernel]  # pyvips.Image.new_from_array takes 1-d list array.
    log_kernel = pyvips.Image.new_from_array(log_kernel)  # Turn the kernel into Vips array so it can be used by Vips.
    log_response = img[0].conv(log_kernel)

    for ii in range(len(img)):
        img_filtered = img[ii+1].conv(log_kernel)
        log_response = (img_filtered > log_response).ifthenelse(img_filtered, log_response)
        fmap = (img_filtered > log_response).ifthenelse(ii+1, 0)

逻辑索引是通过ifthenelse方法实现的：

result_img = (test_condition).ifthenelse(value_if_true, value_if_false)

语法相当灵活。测试条件可以是两个相同大小的图像之间的比较，或者一个图像和一个值之间的比较，例如img1 > img2或img > 5。同样，value_if_true 可以是单个值或 Vips 图像。

于 2015-10-19T00:42:35.697 回答