Python 从雅可比行列式生成变形场
我想通过生成变形场来缩小3D图像中的区域。我希望能够设置一个我选择的区域,使其具有一些雅可比行列式(假设为0.7)。然后我想生成可以产生这种收缩的变形向量,这样雅可比行列式大约是0.7 我尝试过的策略如下(布雷利) 创建理想的Jacobain体积Python 从雅可比行列式生成变形场,python,image-processing,vector,Python,Image Processing,Vector,我想通过生成变形场来缩小3D图像中的区域。我希望能够设置一个我选择的区域,使其具有一些雅可比行列式(假设为0.7)。然后我想生成可以产生这种收缩的变形向量,这样雅可比行列式大约是0.7 我尝试过的策略如下(布雷利) 创建理想的Jacobain体积 将体积内内部立方体的值设置为0.7(收缩率) 将周围值设置为1.0(无收缩) 创建与图像大小相同的三维矢量体积,所有矢量均设置为(0,0,0) 然后,我使用deap在Python中实现了一个遗传算法。 在每次迭代过程中,向量有很小的改变机会。由此产
- 将体积内内部立方体的值设置为0.7(收缩率)
- 将周围值设置为1.0(无收缩)
有谁能提出更好的方法来生成变形场以缩小图像区域。您如何量化“更好”?它以什么方式不起作用?它不起作用,因为由此产生的雅可比派与我所比较的理想不一样。平方差强度之和的曲线图显示,在大约100次迭代后,它趋于稳定。我想知道除了遗传算法,是否还有其他更合适的方法