如何使用imshow RGB混合修剪的强度并显示正确的混合强度？

Question

好的，所以我有一个GUI，我想在其中显示颜色通道A和B，以及覆盖层C。

我想通过简单的范围裁剪手动调整对比度（基本上像其他人一样通过强度直方图和两个垂直条）。

要显示A和B，我只需将它们剪裁并塞入imshow中。为了混合它们，我目前使用“屏幕”方法，以查看斑点重叠的位置。

但是我遇到的问题是，混合后的图像没有遵循与剪切强度相同的缩放比例。我该如何处理，以确保混合后的图像具有与单个通道相同的对比度？

import skimage.exposure
import skimage.io
import skimage.data
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors


def blend(image1, image2, cmap1, cmap2):
    image1_rgba = cmap1(image1)
    image2_rgba = cmap2(image2)

    return 1 - (1 - image1_rgba) * (1 - image2_rgba)

cmapgrn = matplotlib.colors.LinearSegmentedColormap.from_list("", ["black", "seagreen"])
cmapred = matplotlib.colors.LinearSegmentedColormap.from_list("", ["black", "red"])
fig, ax = plt.subplots(nrows = 3, ncols = 2, figsize = (10,5))
ax = ax.ravel()

multichannel = skimage.data.hubble_deep_field() # type: np.ndarray

green_raw = multichannel[:200, :200, 0]   # type: np.ndarray
red_raw   = multichannel[:200, :200, 1].T # type: np.ndarray

imgs = green_raw, red_raw

all_imgs = []
for img in imgs:
    img_rescale = img/img.max()
    all_imgs.append(img_rescale)

green, red = all_imgs # type: np.ndarray


G = green
R = red

cmin = 0.05
cmax = 0.3

ax[0].imshow(G.clip(cmin, cmax), cmap = cmapgrn)
ax[1].imshow(R.clip(cmin, cmax), cmap = cmapred)
ax[2].imshow(blend(image1 = G,
                   image2 = R,
                   cmap1 = cmapgrn,
                   cmap2 = cmapred))

ax[3].imshow(blend(image1 = G.clip(cmin, cmax),
                   image2 = R.clip(cmin, cmax),
                   cmap1 = cmapgrn,
                   cmap2 = cmapred))

ax[4].hist((G.ravel(), R.ravel()), bins = 50, color = ("green", "red"))
ax[4].axvline(cmin, color = "black")
ax[4].axvline(cmax, color = "black")

fig.delaxes(ax[5])
plt.tight_layout()
plt.show()

Answer 1

所以我的问题是数据自动是matplotlib的urlArray，因此给人的印象是它可以完全正常工作。实际上，在裁剪范围之后，当然需要重新缩放新值以填充0到1之间的整个范围（matplotlib在内部执行此操作）。以下将产生正确的对比度缩放：

imshow