Python 在skimage'；谁的消息来源？

在

浏览

的模块

\u denoise.py

中，我找到了以下代码：

def estimate_sigma(image, average_sigmas=False, multichannel=False):
        # some more code here
        sigmas = [estimate_sigma(image[..., c], multichannel=False)...
    return _sigma_est_dwt(detail_coeffs, distribution='Gaussian')

在

估计值\u sigma

内部有一个

估计值\u sigma

？这是如何以及为什么起作用的？进口商品是

import scipy.stats
import numpy as np
from math import ceil
from .. import img_as_float
from ..restoration._denoise_cy import _denoise_bilateral, _denoise_tv_bregman
from .._shared.utils import skimage_deprecation, warn
import pywt
import skimage.color as color
import numbers

---

它似乎没有潜入任何新函数。

注意，的递归调用在if子句中：

if multichannel:
    sigmas = [estimate_sigma(image[..., c], multichannel=False)...
...
return _sigma_est_dwt(detail_coeffs, distribution='Gaussian')

案例A）如果我们使用

multichannel=False

调用

estimate\u sigma

，函数将不会进入If子句，因此不会调用自身，并将返回到其主体的末尾

案例B）如果我们使用

multichannel=True

调用

estimate\u sigma

，条件将成功，因此

estimate\u sigma

将调用自身。从上面的源代码中可以看出，当

estimate\u sigma

调用自身时，它将

multi channel

作为

False

传递。这意味着在递归调用期间，将发生“案例A”。这一次程序将不会进入上述

if

块，递归将结束，结束函数的执行并返回。

---

---

基本上，我们的想法是：如果我们有多个通道，让我们将它们分成单独的通道，并对每个通道执行sigma估计

使用递归的函数有什么神秘之处？我真的不明白你的要求。哦，现在说得通了！当

nchannels=image.shape[-1]

检查多个通道时，它似乎有点复杂，但我想肯定有一些特殊的场景可以证明这一点。“特殊场景”是灰度三维体积图像。在这些情况下，

image.shape[-1]

是最后一个维度的大小。（当

multichannel=False时

；也有多通道3D图像！）