数字化颜色图

Question

考虑下图：

我想将其打印为灰度图像。我可以使用以下方法进行转换scikit-image：

from skimage.io import imread
from matplotlib import pyplot as plt
from skimage.color import rgb2gray


img = imread('image.jpg')

plt.grid(which = 'both')
plt.imshow(rgb2gray(img), cmap=plt.cm.gray)

我得到：

这显然不是我想要的。

我的问题是：有没有办法使用scikit-image或使用原始图像numpy和/或mathplotlib数字化图像，以便我得到一个 3D 数组（第一维：X 索引，第二维：Y 索引，第三维：根据颜色图的值）。然后我可以轻松地将颜色图更改为在灰度打印时结果更好的东西？

Answer 1

下面的示例演示了一种撤消颜色value -> RGB图映射的简单方法。

def unmap_nearest(img, rgb):
    """ img is an image of shape [n, m, 3], and rgb is a colormap of shape [k, 3]. """
    d = np.sum(np.abs(img[np.newaxis, ...] - rgb[:, np.newaxis, np.newaxis, :]), axis=-1)    
    i = np.argmin(d, axis=0)
    return i / (rgb.shape[0] - 1)

此函数通过获取每个像素的 RGB 值并在颜色图中查找最佳匹配颜色的索引来工作。索引和广播的一些技巧允许有效的向量化（以在临时数组上花费的内存为代价）：

• img[np.newaxis, ...] 将图像从形状 [n, m, 3] 转换为 [1, n, m, 3]

• rgb[:, np.newaxis, np.newaxis, :] 将颜色图从形状 [k, 3] 转换为 [k, 1, 1, 3]。

• 减去结果数组会得到一个形状为 [k, n, m, 3] 的数组，它包含每个颜色图索引k和n, m每个颜色分量的像素之间的差异。
• sum(abs(..), axis=-1) 取所有颜色分量（最后一个维度）的差异和总和的绝对值，以获得所有像素和颜色映射条目（形状数组 [k, n, m]）之间的总差异。
• i = np.argmin(d, axis=0)查找沿第一维的最小元素的索引。结果是每个像素 [n, m] 的最佳匹配颜色图条目的索引。
• return i / (rgb.shape[0] - 1) 最后返回由颜色图大小标准化的索引，以便结果在 0-1 范围内。

这种方法有一个警告：

1. 它无法重建原始值范围。
2. 它将所有像素视为颜色映射的一部分（即大陆轮廓也将被映射）。
3. 如果您使用错误的颜色图，它会非常滑稽地失败。

.

import numpy as np
import matplotlib.pyplot as plt
from skimage.color import rgb2gray


def unmap_nearest(img, rgb):
    """ img is an image of shape [n, m, 3], and rgb is a colormap of shape [k, 3]. """
    d = np.sum(np.abs(img[np.newaxis, ...] - rgb[:, np.newaxis, np.newaxis, :]), axis=-1)    
    i = np.argmin(d, axis=0)
    return i / (rgb.shape[0] - 1)


cmap = plt.cm.jet
rgb = cmap(np.linspace(0, 1, cmap.N))[:, :3]


original = (np.arange(10)[:, None] + np.arange(10)[None, :])

plt.subplot(2, 2, 1)
plt.imshow(original, cmap='gray')
plt.colorbar()
plt.title('original')


plt.subplot(2, 2, 2)
rgb_img = cmap(original / 18)[..., :-1]
plt.imshow(rgb_img)
plt.title('color-mapped')

plt.subplot(2, 2, 3)
wrong = rgb2gray(rgb_img)
plt.imshow(wrong, cmap='gray')
plt.title('rgb2gray')

plt.subplot(2, 2, 4)
reconstructed = unmap_nearest(rgb_img, rgb)
plt.imshow(reconstructed, cmap='gray')
plt.colorbar()
plt.title('reconstructed')

plt.show()