DigitalMicrograph中1D核化边缘检测的Warp适配及替代方案问询

现有实现代码 #

一阶导数 #

Image absolute_first_derivative(Image in)
{
    Number size_x, size_y, origin, scale;
    String units;
    Image out;

    in.ImageGetDimensionCalibration(0, origin, scale, units, 0);
    in.GetSize(size_x, size_y);
    if (size_y != 1) Result("Only compatible with 1D image");

    out := RealImage("first_derivative", 4, size_x, size_y);

    out = in[icol + 1, irow] - in[icol, irow];
    out[0, 0] = 0;
    out[size_x - 1, 0] = 0;

    out.ImageSetDimensionCalibration(0, origin, scale, units, 0);
    return out;
}

二阶导数 #

Image second_derivative(Image in)
{
    Number size_x, size_y, origin, scale;
    String units;
    Image out;

    in.ImageGetDimensionCalibration(0, origin, scale, units, 0);
    in.GetSize(size_x, size_y);
    if (size_y != 1) Result("Only compatible with 1D image");

    out := RealImage("second_derivative", 4, size_x, size_y);

    out = in[icol + 1, irow] - 2 * in[icol, irow] + in[icol - 1, irow];
    out[0, 0] = 0;
    out[size_x - 1, 0] = 0;

    out.ImageSetDimensionCalibration(0, origin, scale, units, 0);
    return out;
}

问题解答 #

1. Warp()函数能否适配1D图像处理？ #

Warp()函数本质为2D几何变换设计，虽然可以将1D图像转为单通道2D格式（保持size_y=1）强行调用，但这种方式既不高效也不符合函数设计初衷。Warp()并不适合核卷积类操作，因此不建议用它实现1D边缘检测的核方法。

2. 适合1D图像的核卷积方法 #

DigitalMicrograph提供了专门的卷积内置函数，更适合实现基于核的1D边缘检测，推荐以下两种方案：

方案一：使用Convolve()函数做空间域卷积

Convolve()支持1D和2D图像卷积，只需创建对应的1D核即可，示例如下：

1D Sobel核一阶导数实现

Image sobel_1d_first_derivative(Image in)
{
    Number size_x, size_y, origin, scale;
    String units;
    in.GetSize(size_x, size_y);
    if (size_y != 1) 
    {
        Result("Only compatible with 1D image\n");
        return NULL;
    }

    // 创建1D Sobel核（[-1, 0, 1]，用于一阶边缘检测）
    Image kernel := RealImage("Sobel 1D Kernel", 4, 3, 1);
    kernel[0,0] = -1;
    kernel[1,0] = 0;
    kernel[2,0] = 1;

    // 执行卷积，设置边界处理模式（0=零填充）
    Image out := Convolve(in, kernel, 0);
    
    // 复制校准信息
    in.ImageGetDimensionCalibration(0, origin, scale, units, 0);
    out.ImageSetDimensionCalibration(0, origin, scale, units, 0);
    out.SetName("1D Sobel First Derivative");
    return out;
}

1D LoG核二阶导数实现

Image log_1d_second_derivative(Image in)
{
    Number size_x, size_y, origin, scale;
    String units;
    in.GetSize(size_x, size_y);
    if (size_y != 1) 
    {
        Result("Only compatible with 1D image\n");
        return NULL;
    }

    // 创建1D LoG核（[-1, 2, -1]，简化版二阶边缘检测核）
    Image kernel := RealImage("LoG 1D Kernel", 4, 3, 1);
    kernel[0,0] = -1;
    kernel[1,0] = 2;
    kernel[2,0] = -1;

    // 执行卷积，边界用0填充
    Image out := Convolve(in, kernel, 0);
    
    // 复制校准信息
    in.ImageGetDimensionCalibration(0, origin, scale, units, 0);
    out.ImageSetDimensionCalibration(0, origin, scale, units, 0);
    out.SetName("1D LoG Second Derivative");
    return out;
}

方案二：使用FFTConvolve()做频域卷积

如果使用较大的1D核，频域卷积效率更高，FFTConvolve()同样支持1D图像：

Image fft_convolve_1d(Image in, Image kernel)
{
    Number size_x, size_y;
    in.GetSize(size_x, size_y);
    if (size_y != 1 || kernel.ImageGetDimensionSize(1) != 1)
    {
        Result("Input and kernel must be 1D images\n");
        return NULL;
    }

    // 频域卷积，自动处理尺寸匹配
    Image out := FFTConvolve(in, kernel);
    
    // 复制校准信息
    Number origin, scale;
    String units;
    in.ImageGetDimensionCalibration(0, origin, scale, units, 0);
    out.ImageSetDimensionCalibration(0, origin, scale, units, 0);
    return out;
}

额外建议 #

• 处理边界时，Convolve()的第三个参数可设置不同模式：0=零填充，1=边缘复制，2=镜像翻转，可根据需求选择。
• 自定义核时，建议使用奇数尺寸，方便对齐中心像素。

内容的提问来源于stack exchange，提问作者Samuel Hao