python - 从三个 numpy 数组生成图像数据

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) 都有一个强度 Z。我想使用此数据保存 PNG 图像。不需要插值，因为 X 和 Y 保证覆盖 min(X) 和 max(Y) 之间的每个网格点。

我猜测解决方案在于 numpy 的 meshgrid() 函数，但我不知道如何将 Z 数组 reshape 为 NxM强度数据。

我该怎么做？

---

为了阐明输入数据结构，这是它的样子:

   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，您应该运行这段代码:

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，即使数据未排序(与当前接受的答案相反)，所有这些都可以正常工作:

1) for 循环和 numpy.where() 函数

这可能是最简单和最易读的解决方案:

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() 函数

此解决方案 - 比前一个解决方案复杂一些 - 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) 向量化

使用 lexsort是执行所需任务的一种优雅而有效的方式:

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

4) 纯 Python，不使用 NumPy

您可能想查看 this link用于没有任何第三方依赖项的纯 Python 解决方案。

---

最后，您有不同的选择将 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)