为什么图像存储和显示不同？

Question

我在保存我正在显示为numpy ndarays的图像时遇到一些问题。

示例：

此代码：

librosa.display.specshow(static.T,sr=16000,x_axis='frames',y_axis='mel',hop_length=160,cmap=cm.jet)
plt.title("log mel power spectrum of " + name)
plt.colorbar(format='%+02.0f dB')
plt.tight_layout()
plt.savefig(plot+"/"+name+"_plot_static_conv.png")
plt.show()

将显示如下图像：

但是当我将图像存储到一个numpy ndarray中，然后尝试绘制它时，我会得到类似的东西..

convert = plt.get_cmap(cm.jet)
numpy_output_static = convert(static.T)
plt.imshow(numpy_output_static)
plt.show()
raw_input("sadas")

给我看一张图片：

发生了什么？为什么我不能存储相同的图像，并以同样的方式查看它？

最小的工作示例：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
from PIL import Image
import librosa
import librosa.display
from matplotlib import cm


fig = plt.figure(figsize=(12,4))
min = -1.828067
max = 22.70058
data =  np.random.uniform(low=min, high=max, size=(474,40))
librosa.display.specshow(data.T,sr=16000,x_axis='frames',y_axis='mel',hop_length=160,cmap=cm.jet)
plt.show()
raw_input("sadas")

convert = plt.get_cmap(cm.jet)
numpy_output_static = convert(data.T)
plt.imshow(numpy_output_static, aspect = 'auto')
plt.show()
raw_input("asds")

第一个情节是：

第二个情节是：

规范化数据集不会修复第二个图像。

Answer 1

您的问题与您使用imshow的方式有关（请参阅下面的说明）。

解决方案

我已将您的输入数据从随机内容转换为常规内容，以便比较更直接。我使用下面的实现得到了一个很好的匹配结果：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
import librosa
import librosa.display

data = np.linspace(-1.828067,22.70058,474*40).reshape(474,40)

fig = plt.figure(figsize=(12,8))

ax1 = fig.add_subplot(2,1,1)
librosa.display.specshow(data.T,sr=16000,x_axis='frames',y_axis='mel',hop_length=160,cmap=cm.jet)

ax2 = fig.add_subplot(2,1,2)
extent = (0,474,0,9325.7)
plt.imshow(data.T,cmap='jet',extent=extent)
ax2.set_aspect(abs((extent[1]-extent[0])/(extent[3]-extent[2]))/4.)

plt.show()

结果：

说明

现在，出了什么问题？你用过

convert = plt.get_cmap(cm.jet)

结果convert最好被视为包含 256 RGBA颜色条目的列表：

>>> convert(0)
(0.0, 0.0, 0.5, 1.0)

>>> convert(1)
(0.0, 0.0, 0.517825311942959, 1.0)

>>> convert(2)
(0.0, 0.0, 0.535650623885918, 1.0)

...

>>> convert(254)
(0.517825311942959, 0.0, 0.0, 1.0)

>>> convert(255)
(0.5, 0.0, 0.0, 1.0)

现在的诀窍是它是一个'特殊'列表，它只会在越界时返回最大值：

>>> convert(256)
(0.5, 0.0, 0.0, 1.0)

>>> convert(257)
(0.5, 0.0, 0.0, 1.0)

... 

>>> convert(1000)
(0.5, 0.0, 0.0, 1.0)

这正是发生在你身上的事。因此，你的图表几乎全是红色（“jet”的最后一种颜色）。

相反，在我提供的代码中，数据被映射到256种颜色（最小值被分配convert(0)，最大值convert(255)或更一般地：(value-min_val)*255/(max_val-min_val)。

参考

• Set aspect ratio