Nie może być lepsze sposoby turystyczne to; Nie jestem pewny. Po przeczytaniu help(cm.jet) zobaczysz algorytm używany do odwzorowania wartości z przedziału [0,1] na 3-krotne RGB. Za pomocą małego papieru i ołówka można opracować formuły odwracające funkcje liniowo-liniowe, które definiują odwzorowanie.
Jednakże, istnieje wiele kwestii, które sprawiają, że rozwiązanie papier i ołówek nieco odpychające:
To dużo żmudnej algebry i rozwiązanie jest specyficzny dla cm.jet. Gdy zmienisz mapę kolorów, musisz ponownie wykonać tę całą pracę . Jak zautomatyzować rozwiązywanie równań algebraicznych jest interesujące, ale nie jest to problem, który wiem, jak rozwiązać.
Ogólnie rzecz biorąc, mapa kolorów może nie być odwracalna (więcej niż jedna wartość może być odwzorowana na ten sam kolor). W przypadku cm.jet , wartości między 0,11 i 0,125 są odwzorowane na przykład na 3-krotne (0,0,1) RGB . Jeśli więc Twój obraz zawiera czysty niebieski piksel , nie ma sposobu, aby powiedzieć, czy pochodzi on od wartości 0,11 lub wartości, powiedzmy, 0,125.
- Mapowanie od [0,1] do 3-krotne to krzywa w 3-spacji. Kolory na Twoim obrazie mogą nie leżeć idealnie na tej krzywej. Na przykład może być zaokrąglić błąd. Zatem każde praktyczne rozwiązanie musi być w stanie interpolować lub w jakiś sposób projektować punkty w 3-spacji na krzywej.
Z powodu problemu braku wyjątkowości oraz kwestii projekcji/interpolacji może istnieć wiele możliwych rozwiązań problemu. Poniżej jest tylko jedna możliwość.
Oto jeden ze sposobów rozwiązania wyjątkowości i projekcja/interpolacji zagadnienia:
Tworzenie gradient który działa jako „Kod książki”. gradient to tablica 4-krotnych RGBA na kolorowej mapie cm.jet. Kolory gradient odpowiadają wartościom od 0 do 1. Użyj funkcji kwantyzacji wektorowej scipy scipy.cluster.vq.vq, aby odwzorować wszystkie kolory na obrazku, mri_demo.png, na najbliższy kolor w gradient. Ponieważ mapa kolorów może używać tego samego koloru dla wielu wartości, gradient może zawierać zduplikowane kolory. Pozostawiam to do scipy.cluster.vq.vq, aby zdecydować, który (ewentualnie) nieunikalny indeks książki kodowej skojarzyć z określonym kolorem.
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np
import scipy.cluster.vq as scv
def colormap2arr(arr,cmap):
# http://stackoverflow.com/questions/3720840/how-to-reverse-color-map-image-to-scalar-values/3722674#3722674
gradient=cmap(np.linspace(0.0,1.0,100))
# Reshape arr to something like (240*240, 4), all the 4-tuples in a long list...
arr2=arr.reshape((arr.shape[0]*arr.shape[1],arr.shape[2]))
# Use vector quantization to shift the values in arr2 to the nearest point in
# the code book (gradient).
code,dist=scv.vq(arr2,gradient)
# code is an array of length arr2 (240*240), holding the code book index for
# each observation. (arr2 are the "observations".)
# Scale the values so they are from 0 to 1.
values=code.astype('float')/gradient.shape[0]
# Reshape values back to (240,240)
values=values.reshape(arr.shape[0],arr.shape[1])
values=values[::-1]
return values
arr=plt.imread('mri_demo.png')
values=colormap2arr(arr,cm.jet)
# Proof that it works:
plt.imshow(values,interpolation='bilinear', cmap=cm.jet,
origin='lower', extent=[-3,3,-3,3])
plt.show()
Obraz widać powinna być zbliżona do odtwarzania mri_demo.png:
(Oryginalny mri_demo.png miał białą obwódkę Ponieważ biały kolor nie jest w cm.jet. należy pamiętać, że scipy.cluster.vq.vq mapy białego do do najbliższego punktu w książce kodów gradient, co dzieje się blady kolor zielony).
Tak, to jest zasadniczo to, co uważałem za możliwe. Twoje początkowe rozwiązanie obejmowało odczytywanie linii z obrazu z tą samą mapą kolorów, co może być pomocne dla osób, które mówią, zeskanować postać i chcą wykonać własną analizę numeryczną. Utknąłem na kwantyzacji wektorowej - początkowo wydawało mi się, że najlepiej będzie przejść przez każdy możliwy kolor w lutym i obliczyć odległość 3D od faktycznej wartości piksela - której nie mogłem zobaczyć, jak zrobić szybko bez zapętlanie. Dzięki! – user448764