python - tripcolor 使用每个顶点的 RGB 值

Question

我有一个带有 n 个顶点的二维三角形网格，它存储在变量 tri(一个 matplotlib.tri.Triangulation 对象)中；我可以很容易地使用 matplotlib 的 tripcolor 函数绘制网格，并且一切正常。但是，每个顶点 (vcolors) 我也有 (r,g,b) 三元组，并且这些值不沿单个维度下降，因此不能轻易转换为颜色图(例如，想象一下，如果您在一张公园的大照片上叠加一个三角形网格，然后为每个顶点分配其下方像素的颜色)。

我以为我可以做这样的事情:

matplotlib.pyplot.tripcolor(tri, vcolors)

ValueError: Collections can only map rank 1 arrays

有没有一种方便的方法可以将类似 vcolors 的 (n x 3) 矩阵转换为 tripcolor 可用的矩阵？是否有接受顶点颜色的 tripcolor 替代品？

我尝试过的一件事是制作我自己的颜色图:

z = numpy.asarray(range(len(vcolors)), dtype=np.float) / (len(vcolors) - 1)
cmap = matplotlib.colors.Colormap(vcolors, N=len(vcolors))
matplotlib.pyplot.tripcolor(tri, z, cmap=cmap)
matplotlib.pyplot.show()

然而，这什么也没做——没有数字出现，也没有引发错误；该函数返回一个图形句柄，但没有任何内容被渲染(我使用的是 IPython 笔记本)。请注意，如果我调用以下命令，则绘图显示得很好:

tripcolor(tri, np.zeros(len(vcolors)))
matplotlib.pyplot.show()

我正在使用 Python 2.7。

Answer 1

在深入了解 matplotlib 的 tripcolor 和 Colormap 代码后，我想到了以下解决方案，它似乎只能作为只要使用“gouraud”阴影(否则，它在推断面部颜色方面做得很差；见下文)。

诀窍是创建一个颜色图，当在 0 和 1(含)之间给定 n 均匀间隔的数字时，它会再现原始数组颜色:

def colors_to_cmap(colors):
    '''
    colors_to_cmap(nx3_or_nx4_rgba_array) yields a matplotlib colormap object that, when
    that will reproduce the colors in the given array when passed a list of n evenly
    spaced numbers between 0 and 1 (inclusive), where n is the length of the argument.

    Example:
      cmap = colors_to_cmap(colors)
      zs = np.asarray(range(len(colors)), dtype=np.float) / (len(colors)-1)
      # cmap(zs) should reproduce colors; cmap[zs[i]] == colors[i]
    '''
    colors = np.asarray(colors)
    if colors.shape[1] == 3:
        colors = np.hstack((colors, np.ones((len(colors),1))))
    steps = (0.5 + np.asarray(range(len(colors)-1), dtype=np.float))/(len(colors) - 1)
    return matplotlib.colors.LinearSegmentedColormap(
        'auto_cmap',
        {clrname: ([(0, col[0], col[0])] + 
                   [(step, c0, c1) for (step,c0,c1) in zip(steps, col[:-1], col[1:])] + 
                   [(1, col[-1], col[-1])])
         for (clridx,clrname) in enumerate(['red', 'green', 'blue', 'alpha'])
         for col in [colors[:,clridx]]},
        N=len(colors))

再次请注意，'gouraud' 着色是实现此功能所必需的。为了演示失败的原因，以下代码块显示了我的特定用例。 (我正在绘制带有部分透明数据覆盖层的扁平皮质表的一部分)。在这段代码中，有 40,886 个顶点(在 the_map.coordinates 中)和 81,126 个三角形(在 the_map.indexed_faces 中)； colors 数组的形状为 (40886, 3)。

以下代码适用于“gouraud”着色:

tri = matplotlib.tri.Triangulation(the_map.coordinates[0],
                                   the_map.coordinates[1],
                                   triangles=the_map.indexed_faces.T)
cmap = rgbs_to_cmap(colors)
zs = np.asarray(range(the_map.vertex_count), dtype=np.float) / (the_map.vertex_count - 1)
plt.figure(figsize=(16,16))
plt.tripcolor(tri, zs, cmap=cmap, shading='gouraud')

但如果没有 'gouraud' 着色，面部颜色可能是根据顶点的平均值分配的(尚未验证)，这显然是错误的:

plt.figure(figsize=(16,16))
plt.tripcolor(tri, zs, cmap=cmap)