Question

我的项目中有一个方法可以验证像素是否具有所需的可靠性（就其分类而言是否为边缘），并在下面的方案中绘制像素：

White -> pixel doesn't have the required reliability
Blue -> pixel has the required reliability and it was classified as not edge
Red -> pixel has the required reliability and it was classified as an edge

这是我的代码：

def generate_data_reliability(classification_mean, data_uncertainty, x_axis_label, y_axis_label, plot_title,
                                  file_path, reliability):
        """
        :classification_mean : given a set of images, how was the mean classification for each pixel
        :param data_uncertainty : the uncertainty about the classification
        :param x_axis_label : the x axis label of the data
        :param y_axis_label : the y axis label of the data
        :param plot_title : the title of the data
        :param file_path : the name of the file
        """
        plt.figure()
        # 0 -> certainty
        # 1 -> uncertainty
        r = 0
        b = 0
        w = 0
        has_reliability = numpy.zeros((data_uncertainty.rows, data_uncertainty.cols), float)
        for x, y in product(range(data_uncertainty.rows), range(data_uncertainty.cols)):
            # I the uncertainty is > then the required reliability, doesn't show it
            if data_uncertainty.data[x][y] > (1.0 - reliability):
                has_reliability[x][y] = 0.5
                w += 1
            else:
                has_reliability[x][y] = classification_mean.data[x][y]
                if has_reliability[x][y] == 1.0:
                    r += 1
                if has_reliability[x][y] == 0.0:
                    b += 1

        print reliability, w+r+b, w, r, b

        plt.title(plot_title)
        plt.imshow(has_reliability, extent=[0, classification_mean.cols, classification_mean.rows, 0], cmap='bwr')
        plt.xlabel(x_axis_label)
        plt.ylabel(y_axis_label)
        plt.savefig(file_path + '.png')
        plt.close()

这是我得到的印刷品：

>>>> Prewitt
0.8 95100 10329 0 84771
0.9 95100 12380 0 82720
0.99 95100 18577 0 76523

可以看出，随着所需的可靠性越来越高，更少的像素具有这种可靠性（其中更多的是白色，没有红色）。

但这是我得到的情节：

enter image description here

我不知道为什么，如果我的像素数较少且具有所需的可靠性，我就不会获得更多白色像素，但这些红色像素更多。我没有改变我的物品，搞乱它们。 OO

我在大约3个小时内遇到了这个问题，并且不知道出了什么问题。

修改

在 cmap 中，0为蓝色，0.5为白色，1为红色，不是吗？我很确定问题是因为我使用的是不同颜色的地图，有时并没有中心价值。例如，在我发布的情况下，我没有红色值，因此我的值在0.5和1之间变化。然后，matplotlib会自动将我的最小值设置为红色，将我的最大值设置为蓝色。但我怎么能这样做？我选择这个＆＃39;因为想表示方案中的颜色：0 =蓝色，0.5 =白色，1 =红色（我的值总是0,0.5或1）。

非常非常感谢任何帮助。

提前谢谢。

Answer 1

正如您在编辑中提到的，问题是由颜色条范围的自动缩放引起的。您可以使用调用vmin的{{1}}和vmax个关键字参数来强制使用色彩映射的范围。

在你的情况下，这将是：

imshow()

这样，数据范围不会影响色彩映射的缩放！但是，创建自己的色彩映射（在您自己的答案中发布）可以为您提供更长时间的控制，我认为您提供的示例不会在值范围内提供渐变（例如，默认颜色映射混合为红色）不同数量的白色和0.5到1.0之间的值）这可能是你真正想要的！

Answer 2

嗯，我可以使用自定义色彩图实现我想要的效果。这是代码：

@staticmethod
    def generate_data_reliability(classification_mean, data_uncertainty, x_axis_label, y_axis_label, plot_title,
                                  file_path, reliability):
    """
    :param data_uncertainty : the uncertainty about the data
    :param x_axis_label : the x axis label of the data
    :param y_axis_label : the y axis label of the data
    :param plot_title : the title of the data
    :param file_path : the name of the file
    """
    color_map = mpl.colors.ListedColormap(['blue', 'white', 'red'])
    # From 0 to 0.24 -> blue
    # From 0.25 to 0.4 -> white
    # From 0.5 to 1.0 -> red
    bounds = [0.0, 0.25, 0.5, 1.0]
    norm = mpl.colors.BoundaryNorm(bounds, color_map.N)

    plt.figure()
    # 0 -> certainty
    # 1 -> uncertainty
    r = 0
    b = 0
    w = 0
    has_reliability = numpy.zeros((data_uncertainty.rows, data_uncertainty.cols), float)
    for x, y in product(range(data_uncertainty.rows), range(data_uncertainty.cols)):
        # I the uncertainty is > then the required reliability, doesn't show it
        if data_uncertainty.data[x][y] > (1.0 - reliability):
            has_reliability[x][y] = 0.4
        else:
            has_reliability[x][y] = classification_mean.data[x][y]

    plt.title(plot_title)
    plt.imshow(has_reliability, extent=[0, classification_mean.cols, classification_mean.rows, 0],
               interpolation='nearest', cmap=color_map, norm=norm)
    plt.xlabel(x_axis_label)
    plt.ylabel(y_axis_label)
    plt.savefig(file_path + '.png')
    plt.close()

使用Matplotlib绘图时获得意外输出 - Cmap - Python

2 个答案: