python - 将两个不同的图像直方图绘制为单个 2D 直方图

Question

我希望在 x 轴上绘制一个 uint16 图像的直方图，在 y 轴上绘制另一个 uint16 图像的直方图，这样我就可以将它们之间的关系的颜色图绘制为 2D 图。

我试图形成两个单独的直方图，然后在循环中构造二维数组，但这失败了。

first = np.histogram(img1, bins = 1000)
first = first[0]


second = np.histogram(img2, bins = 1000)
second = second[0]


empty_array = np.zeros((1000,1000), dtype = np.float64)

for i in range(1000):
    for j in range(1000):
        empty_array[i,j] = first[j] + second[1000-j]

Answer 1

正如@kilozulu 已经建议的那样，这是使用 seaborn 的解决方案。我不会使用已经分箱的数据来生成此图，因为您正在丢失两个图像之间数据点的关联。相反，直接输入像素意图：

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

#dummy images
img1 = np.random.normal(0,10,(100,100))
img2 = np.random.normal(0,10,(100,100))

# make jointplot with linearised images:
sns.jointplot(img1.ravel(), img2.ravel(), kind='kde')

Answer 2

如果您正在尝试研究两个变量的直方图以及它们如何在单个函数中相互关联，请考虑阅读有关多变量正态分布的信息。这肯定适用于研究图像中像素的分布。 https://juanitorduz.github.io/multivariate_normal/

看起来这就是你想要做的？：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns; sns.set(color_codes=True)
sns.set_context("notebook")
sns.set_style("darkgrid")


# %% Construct normal distribution data
n = 100
hist1 = np.random.normal(0,1,n)
hist2 = np.random.normal(0,1,n)

# %% Plot distributions on their own axis
sns.jointplot(x=hist1, y=hist2, kind="kde", space=0)

与 KDE 绘图不同的过程，它实际找到定义数据的多变量 PDF，然后绘制 PDF。这次hist2的分布hist1与等高线图上的分布不同：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns; sns.set(color_codes=True)
sns.set_context("notebook")
sns.set_style("darkgrid")
from scipy.stats import multivariate_normal as mvn

# %% Create test data for multivariate PDF
n = 1000
hist1 = np.random.normal(0,1,n)
hist2 = np.random.normal(0,2,n)

# %% Calculate mean and covariance of data
mean = [hist1.mean(), hist2.mean()]
cov_mat = np.cov( np.array([hist1, hist2]) )

# %% Create multivariate function with calculated means and covariance
mv_norm_f = mvn(mean=mean, cov=cov_mat)

# %% Setup ranges of variables for PDF function
range = np.linspace(-1,1,n)
x, y = np.meshgrid(range, range, indexing='xy')
xy = np.empty(x.shape + (2,))
xy[:, :, 0] = x
xy[:, :, 1] = y
print(x.shape)
print(xy.shape)

# %% Call PDF function on ranges of variables
z = mv_norm_f.pdf( xy )

# %% Shaded contour plot the PDF
plt.figure()

plt.contourf(x, y, z)

plt.xlabel("X")
plt.ylabel("Y")
plt.colorbar()
plt.grid('on')
plt.show()