Question

我有三个numpy数组，X，Y和Z。

X和Y是空间网格的坐标，每个网格点(X, Y)的强度为Z。我想使用这些数据保存PNG图像。不需要插值，因为X和Y可以保证涵盖min(X)和max(Y)之间的每个网格点。

我猜测解决方案位于numpy的meshgrid()函数中，但我无法弄清楚如何将Z数组重塑为NxM强度数据。

我该怎么做？

为了阐明输入数据结构，它是这样的：

   X   |    Y    |    Z
-----------------------------
0.1    | 0.1     | something..
0.1    | 0.2     | something..
0.1    | 0.3     | something..
...
0.2    | 0.1     | something..
0.2    | 0.2     | something..
0.2    | 0.3     | something..
...

0.2    | 0.1     | something..
0.1    | 0.2     | something..
0.3    | 0.3     | something..
...

Answer 1

首先，你应该运行这段代码：

import numpy as np

X = np.asarray(<X data>)
Y = np.asarray(<Y data>)
Z = np.asarray(<Z data>)

Xu = np.unique(X)
Yu = np.unique(Y)

然后您可以应用以下任何一种方法。值得注意的是，即使数据未被排序（与当前接受的答案形成对比），所有这些都可以正常工作：

1）for循环和numpy.where()函数

这可能是最简单，最易读的解决方案：

Zimg = np.zeros((Xu.size, Yu.size), np.uint8)
for i in range(X.size):
    Zimg[np.where(Xu==X[i]), np.where(Yu==Y[i])] = Z[i]

2）列表理解和numpy.sort()功能

这个解决方案 - 比前一个更复杂 - 依赖于Numpy的structured arrays：

data_type = [('x', np.float), ('y', np.float), ('z', np.uint8)]
XYZ = [(X[i], Y[i], Z[i]) for i in range(len(X))]
table = np.array(XYZ, dtype=data_type)
Zimg = np.sort(table, order=['y', 'x'])['z'].reshape(Xu.size, Yu.size)

3）矢量化

使用lexsort是执行所需任务的优雅而有效的方式：

Zimg = Z[np.lexsort((Y, X))].reshape(Xu.size, Yu.size)

4）纯Python，不使用NumPy

您可能需要查看this link以获取没有任何第三方依赖关系的纯Python解决方案。

要结束，您可以使用不同的选项将Zimg保存为图像：

from PIL import Image
Image.fromarray(Zimg).save('z-pil.png')

import matplotlib.pyplot as plt
plt.imsave('z-matplotlib.png', Zimg)

import cv2
cv2.imwrite('z-cv2.png', Zimg)

import scipy.misc
scipy.misc.imsave('z-scipy.png', Zimg)

Answer 2

你说你需要不需要插值，因为每个网格点都被覆盖了。所以我假设这些点是等距的。

如果您的表已经按照x增加为主要排序，而y增加了次要排序，则可以直接使用Z数组并使用PIL保存：

import numpy as np
# Find out what shape your final array has (if you already know just hardcode these)
x_values = np.unique(X).size 
y_values = np.unique(Y).size 
img = np.reshape(Z, (x_values, y_values))

# Maybe you need to cast the dtype to fulfill png restrictions
#img = img.astype(np.uint) # alter it if needed

# Print image
from PIL import Image
Image.fromarray(img).save('filename.png')

如果你的输入没有排序（它看起来像是谁知道），你必须在开始之前对其进行排序。根据您的输入，这可能很容易或非常困难。

Answer 3

np.ufunc.at是以矢量化方式管理重复项的好工具。

假设这些数据：

In [3]: X,Y,Z=rand(3,10).round(1)

(array([ 0.4,  0.2,  0.1,  0.8,  0.4,  0.1,  0.5,  0.2,  0.6,  0.2]),
 array([ 0.5,  0.3,  0.5,  0.9,  0.9,  0.5,  0.3,  0.6,  0.4,  0.4]),
 array([ 0.4,  0.6,  0.6,  0.4,  0.1,  0.1,  0.2,  0.6,  0.9,  0.8]))

首先缩放图像（scale=3此处）：

In [4]: indices=[ (3*c).astype(int) for c in (X,Y)]

[array([1, 0, 0, 2, 1, 0, 1, 0, 1, 0]), array([1, 0, 1, 2, 2, 1, 0, 1, 1, 1])]

根据image=zeros((3,3))界限制作一张空图片：indices。

然后建立。在这里，我们保持最大值。

In [5]: np.maximum.at(image,indices,Z)  # in place

array([[ 0.6,  0.8,  0. ],
       [ 0.2,  0.9,  0.1],
       [ 0. ,  0. ,  0.4]])

最后以PNG格式保存：matplotlib.pyplot.imsave('img.png',image)

从三个numpy数组生成图像数据

3 个答案: