我试图将3D图像之间的差异可视化,以便更轻松地区分正负差异.
我已经成功完成了图像的基本绘制,但是,在matplotlib值之间插入值.我需要这些是像素之间的步进更改.
我经常使用非常低分辨率的图像进行测试,例如16 x 16,因此插值会产生很大的影响.
16乘以16的图像的块状文件：
https://wetransfer.com/downloads/c916f76e0d86a61c00c2ed4cfe4ae97520190210192200/60d87c
解决此问题的一种方法是重复这些值,但是这似乎效率很低,需要清理之后的滴答声.
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
SubIm = np.load("Subtract_Image.npy")
def ImPlot2D3D(img,cmap=plt.cm.jet):
Z = img[::1,::1]
fig = plt.figure(figsize=(14,7))
# 2D Plot
ax1 = fig.add_subplot(1,2,1)
im = ax1.imshow(Z,cmap=cmap)
ax1.set_title('2D')
ax1.grid(False)
# 3D Plot
ax2 = fig.add_subplot(1,projection='3d')
X,Y = np.mgrid[:Z.shape[0],:Z.shape[1]]
ax2.plot_surface(X,Y,Z,cmap=cmap)
ax2.set_title('3D')
plt.show()
ImPlot2D3D(SubIm)
我已经研究了3D条形图,但是它们都使用合并方案,因此我无法使其用于图像.
最佳答案
最终设法回答了我自己的问题.
解决此问题的蛮力方法是重复数组中的值,从而使’matplotlib’所做的值之间的插值影响较小,并且更好地近似了阶跃变化.
这可以使用numpy.repeat来实现.由于这是3D数组,因此我们必须在一个轴上进行迭代,而在另一个轴上进行迭代.否则,该数组将被重复拉平并返回此平面数组.
结果：
def ImPlot2D3D(img,cmap=plt.cm.jet,step=False,ratio=10):
if step:
img = (img.repeat(ratio,axis=0)).repeat(ratio,axis=1)
Z = img[::1,cmap=cmap)
ax2.set_title('3D')
# Scale the ticks back down to original values
if step:
ticks_x = ticker.FuncFormatter(lambda x,pos: '{0:g}'.format(x / ratio))
ticks_y = ticker.FuncFormatter(lambda y,pos: '{0:g}'.format(y / ratio))
ax1.xaxis.set_major_formatter(ticks_x)
ax1.yaxis.set_major_formatter(ticks_y)
ax2.xaxis.set_major_formatter(ticks_x)
ax2.yaxis.set_major_formatter(ticks_y)
plt.show()
import matplotlib.ticker as ticker
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
SubIm = np.load("Subtract_Image.npy")
ImPlot2D3D(SubIm,step=True)