Python 多维数组与梯度大小

我是python新手。我试图将一幅图像读入多维numpy数组，并计算梯度的大小，这应该会生成一幅单通道图像。然而，在我计算震级后的尺寸是700 x 900。有人能帮我格式化数据，这样我就可以接收单通道图像了吗

a = imread('20091016_tumor_26_18245948_1chop.png')
ndimage.gaussian_gradient_magnitude(a, 0.4, a)

---

我认为人们对你的术语感到困惑。单通道图像是2D阵列…，多通道图像是3D阵列（存储每个通道的额外尺寸）。例如，单通道图像是灰度的，而多通道图像是彩色的。有关详细信息，请参阅

如果需要标量输出，则必须更具体地说明如何将图像缩减为标量。一个简单的例子是数组的

norm

，如下所示，但是这个选择应该取决于您的用例

a = imread('20091016_tumor_26_18245948_1chop.png')  # a 2d input image
g = ndimage.gaussian_gradient_magnitude(a, 0.4)  # a 2d image showing magnitude of the gradient in a

s = np.linalg.norm(g)  # the scalar norm of the gradient

在你的评论中，你暗示你已经试过了

grad = numpy.gradient(a)
a = numpy.sqrt(grad.dot(grad)) 

这里的问题是，假设您最终想要一个标量，默认情况下，numpy中的许多（如果不是大多数）函数都对数组的每个元素进行操作。因此，在上面的代码中，

gradient

给出每个像素处的梯度

a.shape
#(H, W)
grad.shape
#(2, H, W)

因为梯度本身是一个向量，它实际上增加了维度，所以2d图像变成了3d阵列

sqrt

和

dot

（在本例中）都返回一个与输入大小相同的数组。如果您在两个数组上使用

dot

，它在这里执行

a.T*b

的矩阵版本，

a

和

b

都是相同的形状。一维或二维阵列的内积或点积的输出与右侧宽度相同，与左侧高度相同，因此两个方阵构成一个方阵

以下是一些例子：

a = Image.open('kinglet_bw.jpg')
plt.imshow(a)

---

这种方法有两种版本：

第一个有效：

from Snaxel import Snaxel
from Snake import Snake
from get_snaxels import get_snaxels;
import numpy
import scipy
from pylab import imread, imshow, gray, mean
from matplotlib.pyplot import imsave

alpha = 1.0
beta = 0.0
gamma = -10.0
delta_y = 3
delta_x = 0

row_idx = 160
contour = [];

count = 0
for i in range(0, 1000):
    contour.append((row_idx, i))


snaxels, num_snaxels = get_snaxels(contour)
a = imread('synthesized_kymogram_2.png')
f = numpy.rot90(a, 2)
f = numpy.rot90(a, 2)


snake = Snake(snaxels, alpha, beta, delta_y, delta_x, f, gamma)
snake.MinimizeEnergy()

但是，当我将以下内容修改为：

from Snaxel import Snaxel
from Snake import Snake
from get_snaxels import get_snaxels;
import numpy
import scipy
from pylab import imread, imshow, gray, mean
from matplotlib.pyplot import imsave

alpha = 1.0
beta = 0.0
gamma = -10.0
delta_y = 3
delta_x = 0

row_idx = 160
contour = [];

count = 0
for i in range(0, 1000):
    contour.append((row_idx, i))


snaxels, num_snaxels = get_snaxels(contour)
a = imread('20091016_tumor_26_18245948_1chop.png')

g=ndimage.gaussian_gradient_magnitude(a, 0.4)

snake = Snake(snaxels, alpha, beta, delta_y, delta_x, g, gamma)
snake.MinimizeEnergy()

我得到以下错误：

if energy < min_energy:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

如果能量<最小能量：
ValueError：包含多个元素的数组的真值不明确。使用a.any（）或a.all（）

---

我认为梯度的大小会起作用。但事实并非如此？有人知道如何解决它吗？

梯度的大小将在每个像素处计算，因此您的结果与输入图像的大小相同。sobel运算符上的wiki artcile可能会让您更深入地了解预期结果：但是，是否有任何python参考来正确计算它以接收单通道图像？我认为您需要进一步阐述您的问题。numpy数组是2D还是3D（我假设您在.png中阅读时是3D）？您需要2D输出阵列吗？您想要每个通道的渐变吗？等等。我的numpy数组是3D的，我希望从imageHi@Carnez的幅度梯度中得到一个单通道图像（标量），你可以编辑你的问题（问题底部的一个小灰色链接，靠近评论），我认为这将是一个更好的放置这些信息的地方，因为它本身并不是一个真正的答案。

from Snaxel import Snaxel
from Snake import Snake
from get_snaxels import get_snaxels;
import numpy
import scipy
from pylab import imread, imshow, gray, mean
from matplotlib.pyplot import imsave

alpha = 1.0
beta = 0.0
gamma = -10.0
delta_y = 3
delta_x = 0

row_idx = 160
contour = [];

count = 0
for i in range(0, 1000):
    contour.append((row_idx, i))


snaxels, num_snaxels = get_snaxels(contour)
a = imread('20091016_tumor_26_18245948_1chop.png')

g=ndimage.gaussian_gradient_magnitude(a, 0.4)

snake = Snake(snaxels, alpha, beta, delta_y, delta_x, g, gamma)
snake.MinimizeEnergy()

if energy < min_energy:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()