澄清 Scikit Image Marching Cubes 算法 "spacing" 参数?
Clarifying Scikit Image Marching Cubes algorithm "spacing" parameter?
我有一个 64x64x64 占用网格(0 是水平),我试图在其上 运行 行进立方体以生成网格。在尝试调试生成的网格的一些问题时,我想澄清 "spacing" 参数的含义。文档 here 说 "Voxel spacing in spatial dimensions corresponding to numpy array indexing dimensions (M, N, P) as in volume.",但我不太明白那是什么意思。任何澄清将不胜感激,谢谢!
在许多3D成像技术中,一个轴的分辨率低于其他轴的分辨率。例如,在光学显微镜中,人们在拍摄另一张 (2D) 照片之前将焦平面移动一定量。焦轴上的分辨率是焦平面之间的距离,而其他两个轴上的分辨率是成像相机的(通常更好)分辨率。一个典型的例子是聚焦轴为 10µm,采集轴为 500nm (0.5µm)。将这样的图像传递给行进立方体时,您可以使用参数 spacing=(10, 0.5, 0.5)
.
我有一个 64x64x64 占用网格(0 是水平),我试图在其上 运行 行进立方体以生成网格。在尝试调试生成的网格的一些问题时,我想澄清 "spacing" 参数的含义。文档 here 说 "Voxel spacing in spatial dimensions corresponding to numpy array indexing dimensions (M, N, P) as in volume.",但我不太明白那是什么意思。任何澄清将不胜感激,谢谢!
在许多3D成像技术中,一个轴的分辨率低于其他轴的分辨率。例如,在光学显微镜中,人们在拍摄另一张 (2D) 照片之前将焦平面移动一定量。焦轴上的分辨率是焦平面之间的距离,而其他两个轴上的分辨率是成像相机的(通常更好)分辨率。一个典型的例子是聚焦轴为 10µm,采集轴为 500nm (0.5µm)。将这样的图像传递给行进立方体时,您可以使用参数 spacing=(10, 0.5, 0.5)
.