Python：来自2D图像的3D轮廓 - pylab和contourf

Question

我对Python（pylab）和绘图有疑问 - 我能够加载并显示图像（下面的代码加载下面的图像），但是我无法将其绘制为3D中的轮廓，我知道pylab.contourf(x,y,z)需要一个数组，尽管我不确定如何从加载的图像数据中实现这一点。

请提出任何建议和帮助。我的代码：

from PIL import Image
import pylab

fileName = "image1.png"
im = Image.open(fileName)
#pylab.contourf(im) # don't work - needs an array but how
pylab.axis('off')
pylab.imshow(im)
pylab.show()

Answer 1

您的图像可以在等高线图中表示的原因是它显然是 pseudocolor image ，即使用完整RGB色谱表示单个变量的图像。 轮廓图也表示具有确定颜色（即Z轴）的单个变量的数据，因此您也可以将图像数据表示为等高线图。

这就是I suggested首先使用等高线图的原因。 （你在这个问题中实际要求的是，通常不存在：没有通常有效的方法将颜色图像转换成等高线图，因为彩色图像通常有三个独立颜色，RGB和等高线图只有一个（Z轴），即，这仅适用于伪彩色图像。）

专门解决您的问题：

1）如果您有用于创建所示伪彩色图像的z轴数据，只需在等高线图中使用此数据。这是最好的解决方案。

2）如果你没有z数据，那就更麻烦了，因为你需要将图像中的颜色反转为z值，然后将其放入等高线图中。您显示的图像几乎肯定使用了色图matplotlib.cm.jet，我看不到比unubtu says here更好的方法来反转它。

最后，您需要了解等高线图和图像之间的差异，以使细节发挥作用。

为什么convert不起作用的演示：
在这里，我使用从左到右的z值斜坡来运行完整的测试用例。很明显，z值现在完全搞砸了，因为最大的值现在是最小的等等。

也就是说，目标是图。 2匹配图。 4，但他们是非常不同的。当然，问题是convert没有正确地将jet映射到原始的z值集。

import numpy as np
import matplotlib.pyplot as plt
import Image

fig, axs = plt.subplots(4,1)

x = np.repeat(np.linspace(0, 1, 100)[np.newaxis,:], 20, axis=0)

axs[0].imshow(x, cmap=plt.cm.gray)
axs[0].set_title('1: original z-values as grayscale')

d = axs[1].imshow(x, cmap=plt.cm.jet)
axs[1].set_title('2:original z-values as jet')    
d.write_png('temp01.png')  # write to a file

im = Image.open('temp01.png').convert('L')  # use 'convert' on image to get grayscale
data = np.asarray(im)  # make image into numpy data
axs[2].imshow(data, cmap=plt.cm.gray)
axs[2].set_title("3: 'convert' applied to jet image")

img = Image.open('temp01.png').convert('L')
z   = np.asarray(img)
mydata = z[::1,::1]  # I don't know what this is here for
axs[3].imshow(mydata,interpolation='nearest',cmap=plt.cm.jet)
axs[3].set_title("4: the code that Jake French suggests")

plt.show()

但是，正如我上面所建议的那样，正确地做到这一点并不是那么难。

Answer 2

好的，一些研究和简化代码，关键是转换（'L'），即rgb到灰度，然后Ali_m的代码工作：

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import pylab as pl
from PIL import Image
import numpy as np
import pylab

img = Image.open('40.jpg').convert('L')
z   = np.asarray(img)
mydata = z[::1,::1]
fig = pl.figure(facecolor='w')
ax1 = fig.add_subplot(1,2,1)
im = ax1.imshow(mydata,interpolation='nearest',cmap=pl.cm.jet)
ax1.set_title('2D')

ax2 = fig.add_subplot(1,2,2,projection='3d')
x,y = np.mgrid[:mydata.shape[0],:mydata.shape[1]]
ax2.plot_surface(x,y,mydata,cmap=pl.cm.jet,rstride=1,cstride=1,linewidth=0.,antialiased=False)
ax2.set_title('3D')
ax2.set_zlim3d(0,100)
pl.show()

Answer 3

编辑：抱歉，我误解了OP的原始问题。要从PIL Image对象获取numpy数组，通常只需调用np.array(im)即可。但是，我使用了大量的显微镜数据，我发现对于某些图像格式（特别是16位TIFF），这种语法并不总是有效，在这种情况下我会使用np.asarray(im.getdata()).reshape(*im.shape[::-1])。

以下是修改后的示例：

import numpy as np
from matplotlib import pylab as pl
from mpl_toolkits.mplot3d import Axes3D
from PIL import Image

def getimarray(path):
    im = Image.open(path,'r')
    return np.array(im)

def doplots(path='tmp/cell.png'):

    mydata = getimarray(path)
    mydata = mydata[::5,::5]
    fig = pl.figure(facecolor='w')
    ax1 = fig.add_subplot(1,2,1)
    im = ax1.imshow(mydata,interpolation='nearest',cmap=pl.cm.jet)
    ax1.set_title('2D')
    ax2 = fig.add_subplot(1,2,2,projection='3d')
    x,y = np.mgrid[:mydata.shape[0],:mydata.shape[1]]
    ax2.plot_surface(x,y,mydata,cmap=pl.cm.jet,rstride=1,cstride=1,linewidth=0.,antialiased=False)
    ax2.set_title('3D')
    ax2.set_zlim3d(0,255)

    return fig,ax1,ax2

if __name__ == '__main__':
    doplots()