如何将数据驱动的基于位置的热图添加到一些图像中？

Question

我想要在特定的非地理位置使用病毒传播事件发生率的现有数据集，并基于一组坐标创建一个热图，我将为其提供基础图像。

为了做到这一点，我会使用一个网站的现有图片，比如下面的Raccoon City：

​

​

在这一点上，我想在某些地区(如市中心，浣熊公园，城市学院)的人数增加时，在上面叠加一个类似于此的热图：

​

​

我看过各种库，包括OpenCV和Pillow，但还没有找到合适的解决方案。我一直看到对heatmap.py的引用，但它似乎完全被弃用了；而且我不能在pip中安装它。

如果需要，我可以链接到虚拟数据集。

感谢您的关注！这可能会将我们从迫在眉睫的僵尸启示录中解救出来。

Answer 1

假设您在某个NumPy数组中存储了2D (僵尸攻击)数据，我将使用Matplotlib's colormaps从标准化数据生成热图。this Q&A。然后，我将这个热图与(浣熊市)图像混合在一起。因此，在色彩映射中也有一些alpha透明度是很好的，cf。this Q&A。

下面是一些代码：

import cv2
from matplotlib.colors import ListedColormap    # Needed for custom colormap
from matplotlib.pyplot import cm, Normalize     # Needed for heatmap
import numpy as np
from scipy.stats import multivariate_normal     # Needed for mockup data

# Read image
image = cv2.imread('R42nH.jpg')

# Generate mockup data
h, w = image.shape[:2]
x = np.arange(w)
y = np.arange(h)
X, Y = np.meshgrid(x, y)
pos = np.dstack((X, Y))
mus = [[200, 100], [300, 400], [500, 150]]
covs = [[[300, 155], [175, 550]], [[400, -100], [40, 250]], [[150, 10], [35, 200]]]
zombies = np.zeros((h, w), np.float64)
for mu, cov in zip(mus, covs):
    rv = multivariate_normal(mu, cov)
    Z = rv.pdf(pos)
    zombies += Z / np.max(Z)
zombies /= np.max(zombies)

# Generate custom colormap with alpha channel,
# cf. https://stackoverflow.com/a/37334212/11089932
cmap = cm.autumn_r
c_cmap = cmap(np.arange(cmap.N))
c_cmap[:, -1] = np.linspace(0, 1, cmap.N)
c_cmap = ListedColormap(c_cmap)

# Generate heatmap, cf. https://stackoverflow.com/a/31546410/11089932
norm = Normalize(vmin=zombies.min(), vmax=zombies.max())
heatmap = c_cmap(norm(zombies))

# Blend image with heatmap
heatmap = cv2.cvtColor(np.uint8(heatmap * 255), cv2.COLOR_RGBA2BGRA)
alpha = heatmap[..., 3] / 255
alpha = np.tile(np.expand_dims(alpha, axis=2), [1, 1, 3])
output = (image * (1 - alpha) + heatmap[..., :3] * alpha).astype(np.uint8)

# Output
cv2.imshow('Zombie Attack', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

热图将如下所示：

​

​

最后的输出如下所示：

​

​

请检查您是否可以将您的数据提供给该管道，以及结果是否符合您的想法。

如果你还想要在较低的(僵尸攻击)数字下也有“显著”的颜色，那么整个颜色图上的线性alpha透明度可能没有那么大的好处。也许然后手动调整alpha透明度。

----------------------------------------
System information
----------------------------------------
Platform:      Windows-10-10.0.16299-SP0
Python:        3.9.1
PyCharm:       2021.1
Matplotlib:    3.4.1
NumPy:         1.20.2
OpenCV:        4.5.1
SciPy:         1.6.2
----------------------------------------