Question

我想知道如何将2D深度图像/热图转换为3D高度场。 Z值是2D图像的值。

我有一个RGB图像：

我也有相应的深度图/热图：

我想将它们组合成一个高度字段，其中Z值是深度图像/热图的值：

除了将RGB图像中的RGB值保留在3D高度字段中。

Answer 1

您所描述的实际上是向数据集添加另一个维度。有几种方法可以实现这一目标，但请注意，有些方法可能会使其他人感到困惑。您要导出到的其他程序也可能对数据的形状等有很高的期望，因此请检查一下。接下来就是对您要执行的操作的一些想法...

基本上，您要描述的是具有2个数据“属性”：彩色图像（3通道属性）和高度字段（单个“通道”）。一些选项：

将它们保留为2个单独的ndarray。即，图像的3D数组和height字段的2D数组。适当命名它们，并将它们保存在合理的文件结构中。如果我很着急，这就是我会做的事（基本上什么也不做）。
使用h5py将它们都放入HDF5文件中。这种格式本质上类似于带有嵌套“文件夹”的小文件系统，并且允许任意数量的文档和元数据。它还提供了压缩，任意数组访问和其他有用的功能。因此，这对于组织很多（或两个）ndarray非常有用，尤其是当它们很大时。
使用xarray。这基本上是n维pandas，可让您将两个数组存储在单个数据结构中。对于这种用例来说，它不是理想的选择，但它至少可以让您标记轴，因此您可以清楚地知道4个“通道”是什么。
为数据制作一个Python class。这样，您可以准确记录两个数组的含义，并编写一些方法来将它们绘制在一起。可以对类实例进行腌制并将其保存到磁盘，或者您可以编写方法以任意方式保存它们（例如HDF5）。如果我要做很多事情，并且需要一个健壮的，可持续的解决方案，那我将要做。

这是课程的外观：

class BumpImage():
    """
    An image with a 3d height field attached.
    """
    def __init__(self, photo, height):
        if photo.ndim == 2:
            # Make greyscale image into RGB.
            photo = np.repeat(photo[:, :, None], 3, axis=-1)
        self.photo = photo
        if height.shape == photo.shape[:2]:
            self.height = height
        else:
            raise TypeError("Height must be 2d array")

    def size(self):
        return self.height.shape

    def plot(self, ax=None):
        # Make a 3d plot with matplotlib or whatever.
        return ax

    def save(self, fname):
        # Make HDF5 file called fname.
        return

我不会做的事情：

将高度通道堆叠到NumPy中的其他3个通道上，以制作单个4通道“图像”。我想说这是个坏主意，因为没有方便的方法来记录您在NumPy中所做的事情。
尝试以某种方式（例如，例如以高度场表示为山影或以3D视图等形式绘制的图。再次很难分开这两个数据集。

将2D深度图像/热图转换为3D高度场？

1 个答案: