一维数据二维化的办法汇总(二)

上次写了2种方法,分别是格拉米角场GAFs和马尔可夫变迁场 MTF,这次还有2个,分别是递归图 Recurrence Plot和短时傅里叶变换STFT。

2.递归图RP

单个图片生成代码为:

def show_RP(data,k):
    from mpl_toolkits.axes_grid1 import make_axes_locatable
    from pyts.image import RecurrencePlot

    rp = RecurrencePlot(dimension=3, time_delay=3)
    X_new = rp.transform(data)

    plt.figure()
    ax1 = plt.subplot()
    plt.imshow(X_new[k])
    plt.title('Recurrence plot, dimension=3, time_delay=3')
    divider = make_axes_locatable(ax1)
    cax = divider.append_axes("right", size="5%", pad=0.2)
    plt.colorbar(cax=cax)
    plt.show()

4种故障状态生成图片如下:

3.短时傅里叶变换STFT

短时傅里叶变换大家可能就比较熟悉了,单个图片生成代码为:


                
  • 2
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
好的,您的问题是关于植物根系三维图像处理的问题。 首先,您需要将450张二维图像为三维图像。可以使用Python的包来处理图像数据,比如使用PyDICOM库来读取DICOM格式的二维序列图像,然后使用NumPy库来将二维图像序列转为三维图像。具体实现方法可以参考以下示例代码: ```python import pydicom import numpy as np # 读取DICOM格式的二维图像序列 dicom_images = [] for i in range(450): dicom_image = pydicom.read_file(f"path/to/dicom/image_{i}.dcm") dicom_images.append(dicom_image.pixel_array) # 将二维图像序列转为三维图像 volume = np.stack(dicom_images, axis=-1) ``` 接下来,您需要将三维图像为三维矩阵向量,可以使用NumPy库的reshape方法将多维数组转一维向量。具体实现方法可以参考以下示例代码: ```python # 将三维图像为三维矩阵向量 vectors = volume.reshape(-1, volume.shape[-1]) ``` 最后,您需要计算所有根系中两两根系之间的夹角,可以使用NumPy库的dot和norm方法来计算两个向量的点积和模长,从而得到它们之间的夹角。具体实现方法可以参考以下示例代码: ```python # 计算两个向量的夹角 def calc_angle(a, b): cos_theta = np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) theta = np.arccos(cos_theta) return np.degrees(theta) # 计算所有根系中两两根系之间的夹角 angles = [] for i in range(vectors.shape[0]): for j in range(i+1, vectors.shape[0]): angle = calc_angle(vectors[i], vectors[j]) angles.append(angle) ``` 以上便是关于植物根系三维图像处理的完整例子。希望能对您有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

北漂炼丹青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值