python - 如何在图像上绘制矢量场？

Question

为了从视觉上理解涉及计算、梯度、散度、拉普拉斯等的图像操作所涉及的矢量、标量场，我试图将它们也绘制在所涉及的图像上。我从下面的渐变开始，但是

1. 与下面的图像相比，旋转箭头组(看起来像这样)。我错过了什么？
2. 另外，我该如何很好地缩放它们？

MWE:

test_img = cv2.imread('images/ring.png', cv2.IMREAD_GRAYSCALE)
r, c = test_img.shape
gd = 15

test_slice = test_img[::gd,::gd]  # every 15th point

X, Y = np.mgrid[0:r:gd, 0:c:gd]
dY, dX = np.gradient(test_slice)

plt.figure(figsize=(10,10))
plt.quiver(X, Y, dX, dY, color='y')
plt.imshow(test_img, cmap='gray')
plt.show()

输出:

所需样式:(下面是图像的矢量场):

使用的示例图像: link

注意:我最初使用的是 png，然后 alpha 区域给出了 nan，所以现在我上传了 jpg。

Answer 1

简短的回答是:np.mgrid() 给你一个转置(即旋转)矩阵，参见 this article例如。

在下文中，我使用 matplotlib.image 加载图像(我首先将其转换回 .png)。我展平图像(即删除 alpha channel )并使用 imshow 和合适的颜色图(“Greys_r”)。然而，重要的部分在 Y, X = np.mgrid[0:r:gd, 0:c:gd] 中，如果您的图像不是正方形开始，您可能会发现自己与。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

fname="/path/to/ring.png"
im = mpimg.imread(fname)
flat_image=(im[:,:,0]+im[:,:,1]+im[:,:,2])/3.

r, c = np.shape(flat_image)
gd = 4

test_slice = flat_image[::gd,::gd]  # sampling

fig,ax=plt.subplots(1,1)
the_image = ax.imshow(
                flat_image,
                zorder=0,alpha=1.0,
                cmap="Greys_r",
                origin="upper",
                interpolation="hermite",
            )
plt.colorbar(the_image)            
Y, X = np.mgrid[0:r:gd, 0:c:gd]
dY, dX = np.gradient(test_slice)
ax.quiver(X, Y, dX, dY, color='r')


plt.show()

生成的图像(然而，带有颜色图 viridis)似乎符合您的要求。