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

• 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。由此产生的变形场用于在每个位置生成雅可比行列式，并将其与理想雅可比体积进行比较，以便为下一轮繁殖和变异选择最合适的

经过数千次迭代后，当使用测试立方体数据时，我能够生成理想雅可比体积的相当好的近似值。当我在真实数据上从一个 真正的3D图像它不工作

---

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