使彩色地图数字化

Question

请考虑以下图像：

​

我想把它打印成灰度图像。我可以用scikit-image进行转换

from skimage.io import imread
from matplotlib import pyplot as plt
from skimage.color import rgb2gray


img = imread('image.jpg')

plt.grid(which = 'both')
plt.imshow(rgb2gray(img), cmap=plt.cm.gray)

我得到：

​

那就是显然不是我想要的。

我的问题是：是否有一种使用scikit-image或原始numpy和/或mathplotlib实现图像数字化的方法，以便我得到一个3D数组(一维:X索引，第二维:y索引，三维:根据颜色地图的值)。然后，我可以很容易地改变到彩色地图，结果是有更好的结果时，打印在灰度？

Answer 1

下面的示例演示了撤消彩色映射的value -> RGB映射的简单方法。

def unmap_nearest(img, rgb):
    """ img is an image of shape [n, m, 3], and rgb is a colormap of shape [k, 3]. """
    d = np.sum(np.abs(img[np.newaxis, ...] - rgb[:, np.newaxis, np.newaxis, :]), axis=-1)    
    i = np.argmin(d, axis=0)
    return i / (rgb.shape[0] - 1)

该函数的工作方式是获取每个像素的RGB值，并在彩色地图中查找最佳匹配颜色的索引。使用索引和广播的一些技巧可以有效地向量化(代价是花费在临时数组上的内存)：

• img[np.newaxis, ...]将图像从n，m，3转换为1，n，m，3
• rgb[:, np.newaxis, np.newaxis, :]将颜色图从k，3转换为k，1，1，3。
• 减去得到的数组，形成一个形状为k，n，m，3的数组，它对应着每个颜色分量的每个颜色映射指数k和像素n, m之间的差异。
• sum(abs(..), axis=-1)取差值的绝对值，并对所有颜色分量(最后一维)求和，得到所有像素与彩色地图条目(形状为k，n，m的数组)之间的总差值。
• i = np.argmin(d, axis=0)沿着第一维查找最小元素的索引。得到的结果是每个像素n，m的最佳匹配颜色图条目的索引。
• return i / (rgb.shape[0] - 1)最终返回按颜色地图大小标准化的索引，以便结果在0-1范围内。

​

​

对于这种方法，一汽有一个警告：

1. 它不能重建原始值范围。
2. 它将把所有像素作为颜色地图的一部分来处理(例如，大陆轮廓也将被映射)。
3. 如果您使用错误的颜色地图，它将失败令人高兴。

。

import numpy as np
import matplotlib.pyplot as plt
from skimage.color import rgb2gray


def unmap_nearest(img, rgb):
    """ img is an image of shape [n, m, 3], and rgb is a colormap of shape [k, 3]. """
    d = np.sum(np.abs(img[np.newaxis, ...] - rgb[:, np.newaxis, np.newaxis, :]), axis=-1)    
    i = np.argmin(d, axis=0)
    return i / (rgb.shape[0] - 1)


cmap = plt.cm.jet
rgb = cmap(np.linspace(0, 1, cmap.N))[:, :3]


original = (np.arange(10)[:, None] + np.arange(10)[None, :])

plt.subplot(2, 2, 1)
plt.imshow(original, cmap='gray')
plt.colorbar()
plt.title('original')


plt.subplot(2, 2, 2)
rgb_img = cmap(original / 18)[..., :-1]
plt.imshow(rgb_img)
plt.title('color-mapped')

plt.subplot(2, 2, 3)
wrong = rgb2gray(rgb_img)
plt.imshow(wrong, cmap='gray')
plt.title('rgb2gray')

plt.subplot(2, 2, 4)
reconstructed = unmap_nearest(rgb_img, rgb)
plt.imshow(reconstructed, cmap='gray')
plt.colorbar()
plt.title('reconstructed')

plt.show()

Answer 2

基于@kazemakmakase的回答，如果你正在数字化一个数字，你可能正在处理一个被转换的原件的副本，甚至可能在某个时候打印和扫描。这些东西可以扭曲原来使用的“真”彩色地图上的颜色。

您可以通过通过图形的颜色条中的切片作为“模式”(rgb)进行匹配来处理这一问题。具体来说，将图形裁剪到颜色坡道(在本例中为景观方向)，然后将@kazemakmakase示例中的rgb变量替换为：

cmapimg = plt.imread('cropped_colorbar.png')
rgb = cmapimg[cmapimg.shape[0]/2,:,:3]