我正在尝试将图像中的 r、g、b 通道绘制为 3-D 散点图。
当我有一个黑白图像时，这很有效，因为我得到一个散点图，在散点图的两端只有两个不同的簇。
然而，对于彩色图像，散点图在视觉上没有多大意义，因为在图像的颜色空间中存在对应于许多点的 r、g、b 值。
所以我最终得到如下图所示的东西 -
我想要实现的是以某种方式表示密度信息。例如，如果 (255,255,255) 对应的点数为 1000，而 (0,0,0) 对应的点数仅为 500，那么我希望 (255,255,255) 为深红色，而 (0,0,0) 为呈黄色/橙色
我如何在 matplotlib 中实现这一点？我对某种气泡效果也满意
这是使用高斯 KDE 的尝试。它仍然远非完美，结果很大程度上取决于估计参数 ( bw_method)。也许有一种更简单的方法，也许是np.unique用来获取每种独特颜色的频率的方法。
这个想法是将颜色密度分布估计为多元高斯混合，并将其用作散点图的颜色图。
对于任何严重的事情来说它有点慢，但我认为它可以用足够小的图像给出很好的结果。也许一些基于 FFT+卷积的估计方法可能会更快。
让我们看一些代码。没什么特别的：它以喜欢的方式展平和重塑图像数据gaussian_kde，并返回 RGB 和密度分量。你可以玩一下bw_method，看看结果如何变化，越大，你得到的密度就越平滑。
from scipy.stats import gaussian_kde
def img_to_rgbk(img, bw=0.1):
rgb = img.reshape(-1, 3).T
k = gaussian_kde(rgb, bw_method=bw)(rgb)
r, g, b = rgb
return r, g, b, k
这是带有玩具图像的结果
img = chelsea()[100:200, 100:200]
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
r, g, b, k = img_to_rgbk(img, bw=0.5)
ax.scatter(r, g, b, c=k, alpha=0.2)
注意c=k用于将地图标记颜色设置为密度信息，alpha需要通过云看到一点。
请注意，您可以在此处看到错误的带宽选择是如何产生误导的。足够小的bw_method每列应该基本上显示一种颜色，沿行重复。因此，每个点都应该具有相同的颜色（并且具有正确的带宽）。
这里有更好的带宽和一些噪音来传播颜色。请注意白色区域周围的较大密度，其中无噪声图中的不连续性变为密度最大值。
