使用imshow或其他函数在matplotlib中创建相交图像

Question

我有两个三维的探地雷达数据阵列。每个阵列基本上是一个时间间隔二维图像的集合，其中时间沿第三维度增长。我想要创建一个三维图，它与每个数组的二维图像相交。

我基本上是想创造一个围栏。在这些站点上可以找到此类地块的一些示例：color.gif refl/fence.png。

我通常使用imshow单独显示二维图像进行分析.然而，我对imshow功能的研究表明，它不适用于3D轴。有办法绕过这件事吗？或者还有另一种绘图功能，它可以复制隐显功能，但可以与三维轴相结合？

Answer 1

如果您愿意考虑使用不同的绘图库(即不是matplotlib)，那么可能值得考虑使用mayavi / tvtk (尽管学习曲线有点陡峭)。我看到的最接近你想要的是http://wiki.scipy.org/Cookbook/MayaVi/Examples中的标量切割平面

大部分文档位于：http://docs.enthought.com/mayavi/mayavi/index.html

Answer 2

也许有更好的方法，但至少你可以做一个平面网格并给它着色：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# create a 21 x 21 vertex mesh
xx, yy = np.meshgrid(np.linspace(0,1,21), np.linspace(0,1,21))

# create some dummy data (20 x 20) for the image
data = np.random.random((20, 20))

# create vertices for a rotated mesh (3D rotation matrix)
X = np.sqrt(1./3) * xx + np.sqrt(1./3) * yy
Y = -np.sqrt(1./3) * xx + np.sqrt(1./3) * yy
Z = np.sqrt(1./3) * xx - np.sqrt(1./3) * yy

# create the figure
fig = plt.figure()

# show the reference image
ax1 = fig.add_subplot(121)
ax1.imshow(data, cmap=plt.cm.BrBG, interpolation='nearest', origin='lower', extent=[0,1,0,1])

# show the 3D rotated projection
ax2 = fig.add_subplot(122, projection='3d')
ax2.plot_surface(X, Y, Z, rstride=1, cstride=1, facecolors=plt.cm.BrBG(data), shade=False)

这就产生了：

​

​

(请注意，我对旋转矩阵不是很小心，你必须创建自己的投影。使用真正的旋转矩阵确实是个好主意。)

请注意，篱笆杆和栅栏有一个轻微的问题，即与补丁的数目相比，网格有多一个顶点。

如果你有高分辨率的图像，上面的方法并不是很有效.它甚至可能对它们都没有用。另一种可能是使用支持仿射图像转换的后端。不幸的是，您将不得不自己计算转换。这并不是可怕的困难，但仍然有点笨拙，然后你不能得到一个真正的3D图像，可以旋转，等等。

有关此方法，请参见image.html

另外，您可以使用OpenCV及其cv2.warpAffine函数在用imshow显示图像之前扭曲图像。如果你用透明的颜色填充周围的环境，那么你就可以对图像进行分层，以得到一个像你的例子一样的结果。

为了让你了解plot_surface的可能性，我试着把莉娜绕在半圆柱上：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# create a 513 x 513 vertex mesh
xx, yy = np.meshgrid(np.linspace(0,1,513), np.linspace(0,1,513))

# create vertices for a rotated mesh (3D rotation matrix)
theta = np.pi*xx
X = np.cos(theta)
Y = np.sin(theta)
Z = yy

# create the figure
fig = plt.figure()

# show the 3D rotated projection
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, facecolors=plt.imread('/tmp/lena.jpg')/255., shade=False)

她的确弯得很好，但对图像的所有操作都相当缓慢：

​

​

Answer 3

使用matplotlib无法做到这一点。@DrV的回答是近似的。Matplotlib实际上并不显示原始图像的每个单独像素，而是一些重新标度的图像。rstride和cstride允许您帮助指定图像是如何缩放的，但是输出将不是精确的图像。