Как представить информацию о плотности на трехмерной диаграмме рассеяния matplotlib

Я пытаюсь построить каналы r, g, b на изображении в виде трехмерного графика рассеяния.

Это хорошо работает, когда у меня есть черно-белое изображение, поскольку я получаю точечную диаграмму только с двумя отдельными кластерами на двух концах точечной диаграммы.

Однако для цветных изображений диаграмма рассеивания визуально не имеет особого смысла, поскольку существуют значения r, g, b, соответствующие многим точкам в цветовом пространстве изображения.

Итак, я получаю что-то вроде изображения, показанного ниже -

Чего я хотел бы добиться, так это каким-то образом представить информацию о плотности. Например, если количество точек, соответствующих (255 255 255), равно 1000, а количество точек, соответствующих (0,0,0), составляет всего 500, тогда я хочу, чтобы (255 255 255) было темно-красным, а (0,0,0) — темно-красным. быть желтым/оранжевым

Как мне добиться этого в matplotlib? Я также согласен с некоторым эффектом пузыря, где (255,255,255) представлен как больший пузырь по сравнению с (0,0,0), хотя я чувствую, что информация о плотности, закодированная как информация о цвете, была бы более визуально привлекательной.

Thalish Sajeed 18.12.2018 источник

Ответы (1)

arrow_upward
4
arrow_downward

Вот попытка использования Gaussian KDE. Он еще далек от совершенства и результат во многом зависит от параметров оценки (bw_method). Возможно, есть более простой способ, например, использование np.unique для получения частоты каждого уникального цвета.

Идея состоит в том, чтобы оценить распределение плотности цвета как многомерную гауссову смесь и использовать ее в качестве карты цветов для диаграммы рассеяния.

Это немного медленно для чего-то серьезного, но я думаю, что это дает хорошие результаты с достаточно маленькими изображениями. Возможно, какой-то метод оценки на основе БПФ + свертка может быть быстрее.

Давайте посмотрим код. Ничего особенного: он сглаживает и изменяет форму данных изображения так, как это нравится gaussian_kde, и возвращает компоненты RGB и плотности. Вы можете поэкспериментировать с bw_method и посмотреть, как изменятся результаты: чем больше плотность, тем более гладкую плотность вы получите.

from scipy.stats import gaussian_kde

def img_to_rgbk(img, bw=0.1):
    rgb = img.reshape(-1, 3).T
    k = gaussian_kde(rgb, bw_method=bw)(rgb)
    r, g, b = rgb

    return r, g, b, k

Вот результаты с игрушечным изображением

img = chelsea()[100:200, 100:200]

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

r, g, b, k = img_to_rgbk(img, bw=0.5)
ax.scatter(r, g, b, c=k, alpha=0.2)

Обратите внимание, что c=k используется для установки цвета маркера карты в соответствии с информацией о плотности, alpha необходимо, чтобы немного видеть сквозь облако.

Челси

Случайные цвета

Градиент

Обратите внимание, здесь вы можете увидеть, как неправильный выбор полосы пропускания может ввести в заблуждение. Достаточно маленький bw_method должен отображать по существу один цвет в столбце, повторяющийся по строкам. Таким образом, каждая точка должна иметь один и тот же цвет (и это будет при правильной пропускной способности).

Градиент + шум

Здесь с лучшей пропускной способностью и некоторым шумом для распространения цветов. Обратите внимание на большую плотность вокруг беловатой области, где разрыв на графике без шума становится максимумом плотности.

filippo 18.12.2018