16

有没有什么好方法可以在 mathplotlib 中将二维复数数组绘制为图像？

将复数的大小映射为“亮度”或“饱和度”并将相位映射为“色调”是非常有意义的（无论如何，色调只不过是 RBG 颜色空间中的相位）。 http://en.wikipedia.org/wiki/HSL_and_HSV

但据我所知，imshow 只接受标量值，然后使用一些色标进行映射。没有什么比绘制真正的 RGB 图片更好的了？

我认为它很容易实现一个版本，它接受 3 个浮点数的 2D 元组（向量）数组或形状为 [:,:,3] 的浮点数 ndarray。我想这通常是有用的功能。它对于绘制真实的 RGB 彩色图像也很有用，例如从 OpenCL 输出的纹理

4

5 回答 5

10

这与@Hooked 代码几乎相同，但速度要快得多。

import numpy as np
from numpy import pi
import pylab as plt
from colorsys import hls_to_rgb

def colorize(z):
    r = np.abs(z)
    arg = np.angle(z) 

    h = (arg + pi)  / (2 * pi) + 0.5
    l = 1.0 - 1.0/(1.0 + r**0.3)
    s = 0.8

    c = np.vectorize(hls_to_rgb) (h,l,s) # --> tuple
    c = np.array(c)  # -->  array of (3,n,m) shape, but need (n,m,3)
    c = c.swapaxes(0,2) 
    return c

N=1000
x,y = np.ogrid[-5:5:N*1j, -5:5:N*1j]
z = x + 1j*y

w = 1/(z+1j)**2 + 1/(z-2)**2
img = colorize(w)
plt.imshow(img)
plt.show()
于 2014-01-06T20:29:27.937 回答
9

即使您不知道使用 numpy 和 matplotlib的原始函数，从您那里调整绘图代码mpmath也可以绘制一个 numpy 数组。如果您确实知道该功能，请使用.mpmath.cplot

from colorsys import hls_to_rgb

def colorize(z):
    n,m = z.shape
    c = np.zeros((n,m,3))
    c[np.isinf(z)] = (1.0, 1.0, 1.0)
    c[np.isnan(z)] = (0.5, 0.5, 0.5)

    idx = ~(np.isinf(z) + np.isnan(z))
    A = (np.angle(z[idx]) + np.pi) / (2*np.pi)
    A = (A + 0.5) % 1.0
    B = 1.0 - 1.0/(1.0+abs(z[idx])**0.3)
    c[idx] = [hls_to_rgb(a, b, 0.8) for a,b in zip(A,B)]
    return c

从这里，您可以绘制任意复杂的 numpy 数组：

N = 1000
A = np.zeros((N,N),dtype='complex')
axis_x = np.linspace(-5,5,N)
axis_y = np.linspace(-5,5,N)
X,Y = np.meshgrid(axis_x,axis_y)
Z = X + Y*1j

A = 1/(Z+1j)**2 + 1/(Z-2)**2

# Plot the array "A" using colorize
import pylab as plt
plt.imshow(colorize(A), interpolation='none',extent=(-5,5,-5,5))
plt.show()

在此处输入图像描述

于 2013-06-12T14:34:01.977 回答
7

该库mpmath用于matplotlib生成复杂平面的精美图像。在复平面上，您通常关心极点，因此函数的参数给出颜色（因此极点将形成螺旋形）。值极大或极小的区域由饱和度控制。从文档：

默认情况下，复杂参数（相位）显示为颜色（色调），幅度显示为亮度。您还可以提供自定义颜色函数 ( color )。此函数应将一个复数作为输入，并返回一个 RGB 3 元组，其中包含 0.0-1.0 范围内的浮点数。

例子：

import mpmath
mpmath.cplot(mpmath.gamma, points=100000)

在此处输入图像描述

另一个显示zeta 函数、平凡零点和临界带的示例：

import mpmath
mpmath.cplot(mpmath.zeta, [-45,5],[-25,25], points=100000)

在此处输入图像描述

于 2013-06-11T15:27:37.890 回答
3

您可以使用matplotlib.colors.hsv_to_rgb而不是colorsys.hls_to_rgb. 该matplotlib功能大约快10倍！请参阅以下结果：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import hsv_to_rgb
import time

def Complex2HSV(z, rmin, rmax, hue_start=90):
    # get amplidude of z and limit to [rmin, rmax]
    amp = np.abs(z)
    amp = np.where(amp < rmin, rmin, amp)
    amp = np.where(amp > rmax, rmax, amp)
    ph = np.angle(z, deg=1) + hue_start
    # HSV are values in range [0,1]
    h = (ph % 360) / 360
    s = 0.85 * np.ones_like(h)
    v = (amp -rmin) / (rmax - rmin)
    return hsv_to_rgb(np.dstack((h,s,v)))

这是@nadapez选择答案的方法：

from colorsys import hls_to_rgb
def colorize(z):
    r = np.abs(z)
    arg = np.angle(z) 

    h = (arg + np.pi)  / (2 * np.pi) + 0.5
    l = 1.0 - 1.0/(1.0 + r**0.3)
    s = 0.8

    c = np.vectorize(hls_to_rgb) (h,l,s) # --> tuple
    c = np.array(c)  # -->  array of (3,n,m) shape, but need (n,m,3)
    c = c.swapaxes(0,2) 
    return c

用 1024*1024 2darray 测试两种方法的结果：

N=1024
x, y = np.ogrid[-4:4:N*1j, -4:4:N*1j]
z = x + 1j*y

t0 = time.time()
img = Complex2HSV(z, 0, 4)
t1 = time.time()
print "Complex2HSV method: "+ str (t1 - t0) +" s"

t0 = time.time()
img = colorize(z)
t1 = time.time()
print "colorize method: "+ str (t1 - t0) +" s"

我的旧笔记本电脑上的这个结果：

Complex2HSV method: 0.250999927521 s
colorize method: 2.03200006485 s
于 2016-03-18T11:09:43.247 回答
0

你也可以使用 PIL.image 来转换它

import PIL.Image

def colorize(z):
  z = Zxx
  n,m = z.shape

  A = (np.angle(z) + np.pi) / (2*np.pi)
  A = (A + 0.5) % 1.0 * 255
  B = 1.0 - 1.0/(1.0+abs(z)**0.3)
  B = abs(z)/ z.max() * 255
  H = np.ones_like(B)
  image = PIL.Image.fromarray(np.stack((A, B, np.full_like(A, 255)), axis=-1).astype(np.uint8), "HSV") # HSV has range 0..255 for all channels
  image = image.convert(mode="RGB")

  return np.array(image)
于 2021-05-02T17:54:54.730 回答