python - 如何使用 Vispy 将视觉图像转换为极坐标

Question

我正在尝试使用 Vispy 将我的视觉图像转换为极坐标形式

类似于下图的东西..

使用下面的 Vispy 代码生成的原始图像

scene.visuals.Image(self.img_data,interpolation=interpolation,parent = self.viewbox.scene, cmap=self.cmap, method='subdivide', clim=(-65,40)) 

所需的极地图像：

我确实尝试使用 Vispy 的PolarTransform Example来实现 polarTransform，但没有成功。

谁能指导我如何使用 Vispy 将上述图像的极坐标转换为极坐标。

谢谢

回复@djhoese： Vispy在PolarTransform之前生成的图

PolarTransform 后 Vispy 生成的图像

PolarTransform 的代码：

self.img.transform = PolarTransform()

Answer 1

ImageVisual如果没有一些轻推，PolarTransform就不能很好地一起玩。

VisPy 有两种绘图方法，subdivide和impostor. 我会集中在subdivide这里。这不适用于impostor.

首先，创建ImageVisual这样的：

img = visuals.ImageVisual(image, 
                          grid=(1, N),           
                          method='subdivide')

对于 N，请使用合理的高数（例如 360）。使用该数字，您将立即看到极地分辨率如何受到影响。

此外，您需要设置一些特定的转换链：

transform = (
             # move to final location and scale to your liking
             STTransform(scale=(scx,scy), translate=(xoff,yoff))

             # 0
             # just plain simple polar transform
             *PolarTransform()

             # 1
             # pre scale image to work with polar transform
             # PolarTransform does not work without this
             # scale vertex coordinates to 2*pi
             * STTransform(scale=(2 * np.pi / img.size[0], 1.0))

             # 2
             # origin switch via translate.y, fix translate.x
             * STTransform(translate=(img.size[0] * (ori0 % 2) * 0.5,                                                                   
                                      -img.size[1] * (ori0 % 2)))

             # 3
             # location change via translate.x
             * STTransform(translate=(img.size[0] * (-loc0 - 0.25), 0.0))

             # 4
             # direction switch via inverting scale.x
             * STTransform(scale=(-dir0, 1.0))

            )
# set transform
img.transform = transform

• dir0- 方向 cw/ccw（分别取值 -1/1）
• loc0- 零位置（0 到 2 * np.pi 之间的值，逆时针）
• ori0- 将被转换为极坐标图像中心的一侧（取值为 0、1top或bottom

底部的四个 STTransform 肯定可以简化。它们被分开以显示不同的更改以及如何应用它们。

稍后将在 VisPy 示例部分添加一个示例。