numpy矩阵的有效着色值是多少？

Question

我有一个numpy ndarray，看起来像：

[[0, 0.25, 1,  ...., 0.5, 0.23 ],
 [0.3, 0.75, 1, ..., 0.5, 0.37 ],
  ...,
  ...,
 [0, 0.25, 1,  ...., 0.5, 0.23 ],
 [0.3, 0.75, 1, ..., 0.5, 0.37 ]]

基本上每个值都在0 - 1.0

范围内

我想把它想象成一个位图，目前我有一个非常慢的循环基本上这样做：

for i, row in enumerate(data):
    for j, val in enumerate(row):
        yield val_to_rgb(val)

然后它将采用3元组的rgb组件并在其上创建一个PIL putdata并创建一个PNG。

我需要多次这样做，这种贫民窟方法很慢，而且着色非常难看。

我的问题是：

我可以应用一系列矩阵运算，它们会产生一个包含原始RGB值的彩色矩阵吗？

这实际上包含两个问题：

1. 从上面的矩阵中获取RGB元组的最有效转换是什么？
2. 是否有一种“漂亮”的方式将（0,1.0）值转换为彩色表示？

编辑：澄清 - 我希望将其保存为PNG，而不仅仅是实时查看。原因是其中很多都是在无头机器上执行的，然后我会检查它。

当前算法的输出看起来非常讨厌：

Answer 1

matplotlib具有imshow功能，您可以使用OOTB。

您正在做的事情通常是通过“矢量化”完成的。你定义一个函数，让numpy做迭代：

vec = np.vectorize(val_to_rgb)
rgb_data = vec(data)

Answer 2

我对PIL不太熟悉，但我猜它会吞下一个形状(rows, cols, 3)的numpy数组并将其变成图像。因此，您希望重写val_to_rgb函数，使其适用于数组，而不是标量，并将RGB值放在形状的最后一个维度中。

例如，假设您想将您的值解释为灰度，0为黑色，1为白色。您当前采用标量输入的函数如下所示：

def val_to_rgb(val) :
    return (int(val * 255),) * 3

和矢量化形式将是：

def vals_to_rgbs(vals) :
    ret = np.zeros(vals.shape + (3,),  dtype='uint8')
    ret[...] = vals.reshape(vals.shape + (1,)) * 255
    return ret

>>> vals_to_rgb(np.random.rand(10,10)).shape
(10, 10, 3)
>>> vals_to_rgb(np.random.rand(10,10)).dtype
dtype('uint8')

重塑的目的是让广播发挥其神奇作用。

认为可能会变得更复杂，所以如果您需要帮助矢量化您的特定val_to_rgb功能，请发布您的代码，我很乐意为此拍摄。