Python skimage.feature.hessian_matrix用法及代码示例

用法: skimage.feature.hessian_matrix(image, sigma=1, mode='constant', cval=0, order='rc')

计算 Hessian 矩阵。

在 2D 中，Hessian 矩阵定义为：

H = [Hrr Hrc]
    [Hrc Hcc]

这是通过在各自的 r- 和 c-directions 中将图像与高斯核的二阶导数进行卷积来计算的。

这里的实现也支持n维数据。

参数：

image：ndarray: 输入图像。
sigma：浮点数: 用于高斯核的标准偏差，用作自相关矩阵的加权函数。
mode：{‘constant’, ‘reflect’, ‘wrap’, ‘nearest’, ‘mirror’}，可选: 如何处理图像边界之外的值。
cval：浮点数，可选: 与模式‘constant’(图像边界外的值)结合使用。
order：{‘rc’, ‘xy’}，可选: 此参数允许在梯度计算中使用图像轴的反向或正向顺序。 ‘rc’ 表示最初使用第一个轴(Hrr、Hrc、Hcc)，而‘xy’ 表示最初使用最后一个轴(Hxx、Hxy、Hyy)

H_elems：ndarray 列表: Upper-diagonal 输入图像中每个像素的 hessian 矩阵元素。在 2D 中，这将是一个包含 [Hrr, Hrc, Hcc] 的三元素列表。在 nD 中，列表将包含 (n**2 + n) / 2 数组。

例子：

>>> from skimage.feature import hessian_matrix
>>> square = np.zeros((5, 5))
>>> square[2, 2] = 4
>>> Hrr, Hrc, Hcc = hessian_matrix(square, sigma=0.1, order='rc')
>>> Hrc
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0., -1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0., -1.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]])

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.feature.hessian_matrix。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：