python for i in range 三维_python中的三维卷积

虽然循环可以工作，但跟踪嵌套循环也很困难。您可以考虑调用卷积定理来更容易地执行卷积。见here。在

使用numpy的fft模块，您可以计算原始图像堆栈的n维离散Fourier变换，并将其乘以大小相同的核的n维Fourier变换(文档可找到here)。因为你的2D内核是一个3x3数组，它是一个3x3xz正方形的“支柱”，你可以用0填充这个数组来相应地增加维数。在

试试这个：import numpy as np

import math

radius = 2

r2 = np.arange(-radius, radius+1)**2

sphere = r2[:, None, None] + r2[:, None] + r2

sphere -= np.max(sphere)

sphere = -sphere*2

array_len = 10*radius

array = np.zeros((array_len, array_len, array_len))

center = slice(array_len//2-radius,

array_len//2+radius+1), slice(array_len//2-radius,

array_len//2+radius+1),slice(array_len//2-radius,

array_len//2+radius+1)

array[center] = sphere

k_len = 3

kernel_2D = np.ones((k_len,k_len))

kernel = np.zeros_like(array)

center_k = slice(array_len//2-math.ceil(k_len/2),

array_len//2+k_len//2), slice(array_len//2-math.ceil(k_len/2),

array_len//2+k_len//2)

for i in range(kernel.shape[2]):

kernel[center_k+(i,)] = kernel_2D

def fft(array):

fft = np.fft.ifftshift(np.fft.fftn(np.fft.fftshift(array)))

return fft

def ifft(array):

ifft = np.fft.fftshift(np.fft.ifftn(np.fft.ifftshift(array)))

return ifft

def conv_3D(array, kernel):

conv = np.abs(ifft(fft(array)*fft(kernel)))

return conv

conv = conv_3D(array, kernel)

这将半径为2的球体与边长为3的支柱卷积在一起。在