如何在python中将2D数组转换为RGB图像？

Question

我想将每个 2D 数组转换为 RGB 图像并将该 RGB 图像返回到另一个函数，我该怎么做。我尝试通过

PIL

和

plt

做到这一点，但它对我不起作用。我尝试了 2 个多星期来寻找如何做到这一点。

如有任何帮助，我们将不胜感激。

for c in [cD5,cD4,cD3,cD2,cD1]:
        x = np.linspace(0, 3844, len(c))
        f = interp1d(x, c)
        result.append(f(common_x))
        normalized_result = preprocessing.normalize(result)

Answer 1

我认为这个问题已经解决了，记住如果你想要一个 RGB 图像，你需要 3 个通道，这意味着一个形状为 (NxMx3) 的矩阵。

在Python中将二维数组转换为彩色图像

干杯！

编辑：

这是一个示例，说明如何将 2D 数组堆叠成具有所需形状的 3D 数组。

import numpy as np
#some random arrays i just created for test
r = np.array([3,3,3])
g = np.array([6,6,6])
b = np.array([9,9,9])
bl = np.array([12,12,12])

#create the stacked arrays
stacked = np.dstack((r,g,b,bl))

#check the shape
print(np.shape(stacked))

Answer 2

要从 ndarray 制作 RGB 图像，您必须：1）通过将最大和最小强度分成 3 组等方法将每个 RGB 通道分离为不同的数组，根据原始或 RGB 最小值/最大值来表示像素颜色强度，然后使用 plt.imshow/plt.imsave 显示/保存它们：

from  matplotlib.colors import Normalize
from PIL import Image

# example data
arr = np.array([4,3,2,1,-1,-2,-3,-4])

# producing RGB variants by slicing intensity of the data into 3 equal sections
R = np.percentile(arr,100 - 100/3)
B = np.percentile(arr,100/3)
arr_R = np.where(arr >= R, arr, 0)
arr_B = np.where(arr <= B, arr, 0)
arr_G = np.where((arr > B) & (arr < R), arr, 0)

# normalizing arr_RGB to have values between 0-255
def normRGB(a):
    mynorm = Normalize(vmin=np.min(a), vmax=np.max(a))
    return mynorm(a)

# #Run below if you prefer original array's minimum and maximum
# arr = normRGB(abs(arr))  # absolute values help acknowledging negative values' intensity, exclude them if you mean otherwise
# # otherwise run below if you prefer RGB channels' minimums and maximums
arr_R = normRGB(abs(arr_R)) # absolute values help acknowledging negative values' intensity, exclude them if you mean otherwise
arr_G = normRGB(abs(arr_G))
arr_B = normRGB(abs(arr_B))

# stacking RGB into one ndarray
arr_RGB = np.dstack((arr_R,arr_G,arr_B))
plt.imshow(arr_RGB)
plt.show()
print(arr_RGB)

通过使用相同的 np.dstack() 函数将 arr_RGB 添加在一起，也可以将结果图像堆叠到更高维度的数组（如相册）中。例如：

N = 22 # if there are 22 images
album = np.zeros((N))
for n in range(N):
    
    ### Here should be written all above operation with an i index that updates new arr_RGB from dataset[i] during each iteration ###
    
    if n == 0: # if it is the first iteration
        album = np.copy(arr_RGB)
    elif n > 0: # now that album has been created, it can be stacked on its previous records
    album = np.dstack(album, arr_RGB)
print(np.shape(album))