PIL：通过将渐变应用于 NumPy 数组来生成图像

Question

我有一个 2d NumPy 数组，其值从 0 到 1。我想将此数组转换为 Pillow 图像。我可以执行以下操作，这给了我一个漂亮的灰度图像：

arr = np.random.rand(100,100)
img = Image.fromarray((255 * arr).astype(np.uint8))

现在，我想应用自定义渐变，而不是制作灰度图像。

示例：如果我的渐变是

[color1, color2, color3]

，那么所有

0

都应该是

color1

，所有

1

都应该是

color3

，而

0.25

应该介于

color1

和

color2

之间。我已经能够编写一个简单的函数来执行此操作：

gradient = [(0, 0, 0), (255, 80, 0), (0, 200, 255)] # black -> orange -> blue

def get_color_at(x):
    assert 0 <= x <= 1
    n = len(gradient)
    if x == 1:
        return gradient[-1]
    pos = x * (n - 1)
    idx1 = int(pos)
    idx2 = idx1 + 1
    frac = pos - idx1
    color1 = gradient[idx1]
    color2 = gradient[idx2]
    color_in_between = [round(color1[i] * (1 - frac) + color2[i] * frac) for i in range(3)]
    return tuple(color_in_between)

因此

get_color_at(0)

返回

(0,0,0)

并且

get_color_at(0.75)

等于

(153, 128, 102)

，这是介于橙色和蓝色之间的棕褐色/棕色。

现在，我如何将其应用到原始 NumPy 数组？我不应该直接将

get_color_at

应用于 NumPy 数组，因为这仍然会给出一个 2d 数组，其中每个元素都是一个三元组。相反，我想我想要一个形状为

(n, m, 3)

的数组，这样我就可以将其提供给 Pillow 并创建一个 RGB 图像。

如果可能的话，我更愿意尽可能使用矢量化操作 - 我的输入数组非常大。如果有内置功能可以使用自定义渐变，我也很乐意使用它而不是我自己的

get_color_at

函数，因为我的实现非常幼稚。

提前致谢。

Answer 1

方法 1：代码矢量化

您的代码几乎已经矢量化。它的几乎所有操作都可以在浮点数或浮点数数组上无差别地工作

这是矢量化版本

def get_color_atArr(arr):
    assert (arr>=0).all() and (arr<=1).all()
    n=len(gradient)
    gradient.append(gradient[-1])
    gradient=np.array(gradient, dtype=np.uint8)
    pos = arr*(n-1)
    idx1 = pos.astype(np.uint8)
    idx2 = idx1+1
    frac = (pos - idx1)[:,:,None]
    color1 = gradient[idx1]
    color2 = gradient[idx2]
    color_in_between = np.round(color1*(1-frac) + color2*frac).astype(np.uint8)

基本上，变化是，

• 断言（不能在 numpy 数组中使用

  a<b<c

  表示法）。请注意，此断言会迭代数组的所有值以检查断言。那不是免费的。所以我把它包括在内，因为你这样做了。但您需要注意，这不是编译时验证。它确实运行代码来检查所有值，这是代码所有执行时间中不可忽略的部分。
• 更多的是一种实现选择，而不是矢量化步骤（代码的纯翻译会将

  if x==1

  转换为某些

  np.where

  或掩码。但我对在浮动上使用

  ==

  无论如何都感到不舒服。所以我更喜欢我的方式，这不是图像的另一次迭代，它添加了一个哨兵（在唐纳德库斯的“哨兵”意义上：避免了一些字节。特殊情况）到渐变颜色，因此，即使

  arr

  确实是

  1.0

  ，渐变也会发生在最后一个颜色和最后一个颜色之间）。

• frac

  在3D数组中广播，因此可以用作3d数组

  color1

  和

  color2

上的系数
• 当然，

  int

  或

  floor

  不能在numpy数组上使用

方法2：不重复发明轮子

Matplotlib（我确信还有许多其他库）已经有一个完整的颜色图模块来处理这种转换。让我们使用它吧

thresh=np.linspace(0,1,len(gradient))
cmap=LinearSegmentedColormap.from_list('mycmap', list(zip(thresh, np.array(gradient)/255.0)), N=256*len(gradient))
arr2 = cmap(arr)[:,:,:3]

这是使用

LinearSegmentedColormap

构建自定义颜色图。它采用

(threshold, color)

对列表作为第二个参数。 例如

[(0, (0,0,0)), (0.3, (1,0,0)), (0.8, (0,1,0)), (1, (0,0,1))]

，当 x 从 0 到 0.3 时，颜色图从黑色读取，然后当 x 从 0.3 到 0.8 时从红色读取到绿色，然后从绿色读取到蓝色。

在这种情况下，你的渐变可以转换为这样的列表，只需一个带有 linspace 的 zip。

它需要一个

N=

参数，因为它创建所有可能颜色的离散化（中间有插值）。这里我采取了一个夸张的选项（我的 N 超过了可以存在的不同颜色的最大数量，一次

uint8

d）

此外，由于它返回一个 RGBA 数组，并且为了与您所做的保持完全相同，我使用

[:,:,:3]

删除了 A。

当然，这两种方法都需要最终翻译成PIL，但你已经知道如何做到这一点。对于这个，它还需要 0 到 255 之间的映射，我可以用您自己的代码来完成：

Image.fromarray((255 * arr).astype(np.uint8))

请注意，在使用 matplotlib 颜色图时，您可能想浏览一下该模块所提供的功能。例如，数以亿计的现有颜色图可能适合您。或者其他方式来构建非线性颜色映射。