根據MATLAB中的切片規範化3D圖像

-1

我有一個矩陣，它是256X192X80。我想正常化所有切片（80代表切片），而不使用for循環。我與for做的方法是如下：（im_dom_raw是我們的矩陣）根據MATLAB中的切片規範化3D圖像

normalized_raw = zeros(size(im_dom_raw)); 
for a=1:80 
    slice_raw = im_dom_raw(:,:,a); 
    slice_raw = slice_raw-min(slice_raw(:)); 
    slice_raw = slice_raw/(max(slice_raw(:))); 
    normalized_raw(:,:,a) = slice_raw; 
end

來源

2016-03-16 toygan kılıç

這裏沒有問題。請編輯以提出具體問題。它可能不相關，但如果'slice_raw'恰好全爲零，則會得到'0/0'，即'NaN'。 – horchler

下面的代碼實現您的標準化方法沒有使用循環。它基於bsxfun。

% Shift all values to the positive side 
slices_raw = bsxfun(@minus,im_dom_raw,min(min(im_dom_raw))); 

% Normalize all values with respect to the slice maximum (With input from @Daniel) 
normalized_raw2 = bsxfun(@mrdivide,slices_raw,max(max(slices_raw))); 

% A slightly faster approach would be 
%normalized_raw2 = bsxfun(@times,slices_raw,max(max(slices_raw)).^-1); 
% ... but it will differ with your approach due to numerical approximation 

% Comparison to your previous loop based implementation 
sum(abs(normalized_raw(:)-normalized_raw2(:)))

的代碼輸出

ANS最後一行=

哪個（感謝@Daniel）意味着這兩種方法得到確切相同的結果。

來源

2016-03-16 22:52:26 pysolver

因爲使用了不同的操作，所以你會得到很小的區別：'normalized_raw3 = bsxfun（@ mrdivide，slices_raw，max（max（slices_raw）））;'結果是一樣的，但是你的版本可能稍微快一點。 – Daniel

謝謝@Daniel。會相應更新。 – pysolver

根據MATLAB中的切片規範化3D圖像

回答

相關問題