相关疑难解决方法(0)

我正在使用scipy.spatialVoronoi 图的可视化。然而，这里使用的距离度量是欧几里德（L2）。我正在寻找一种在我的 Voronoi 图上进行曼哈顿 (L1) 度量的方法。有没有一种简单的（或多或少）方法可以做到这一点？

import numpy as np
import matplotlib.pyplot as plt

points = np.array([[1.5, 1.], [3.5, 1.], [5., 2.], [2.5, 3.], [3.5, 1.], [4., 4.]])
    
from scipy.spatial import Voronoi, voronoi_plot_2d
vor = Voronoi(points)

fig = plt.figure()
ax = fig.add_subplot('111')
ax.plot(points[:, 0], points[:, 1], 'o', color='k')
ax.set_xlim([-1, 9])
ax.set_ylim([-1, 9])
voronoi_plot_2d(vor, ax)

基本上我想要得到类似的东西，但采用 L1 度量。

我发现scipy.spatial.distance.cityblock可以处理感兴趣的指标，但不完全确定如何实现它才能正常工作？

我有一个图像存储在numpy数组中，我想将其转换PIL.Image为执行仅适用于PIL的插值。

当尝试通过Image.fromarray()它进行转换时，会引发以下错误：

TypeError：无法处理此数据类型

我已经在这里和这里阅读了答案，但对于我的情况似乎没有帮助。

我要运行的是：

from PIL import Image

x  # a numpy array representing an image, shape: (256, 256, 3)

Image.fromarray(x)

我有19种颜色的列表，它是大小的numpy数组(19,3)：

colors = np.array([[0, 0, 0], 
[0, 0, 255], 
[255, 0, 0], 
[150, 30, 150], 
[255, 65, 255], 
[150, 80, 0], 
[170, 120, 65], 
[125, 125, 125], 
[255, 255, 0], 
[0, 255, 255], 
[255, 150, 0], 
[255, 225, 120], 
[255, 125, 125], 
[200, 100, 100], 
[0, 255, 0], 
[0, 150, 80], 
[215, 175, 125], 
[220, 180, 210], 
[125, 125, 255]
])

现在，我有一个图像（size的numpy数组(1024,1024,3)），其颜色与上面定义的所有颜色有些接近或相等。但是，我的程序要求图像只能包含上面的颜色，而不能包含附近的颜色，因此我需要将数组中每个像素的颜色转换为19种颜色中最接近的颜色。

我在这里看到了一个仅使用Numpy即可从一组颜色中找到最接近的颜色的函数（效果很好）Python-从给出颜色的列表中查找与某种颜色最接近的颜色：

def closest_color(colors,color):
    colors = np.array(colors)
    color = np.array(color)
    distances = np.sqrt(np.sum((colors-color)**2,axis=1)) …

最终目标是拍摄图像并将其切片成我保存的样本.问题是我的切片随机返回黑色/不正确的补丁.贝娄是一个小样本计划.

import scipy.ndimage as ndimage
import scipy.misc as misc
import numpy as np

image32 = misc.imread("work0.png")
patches = np.zeros((36, 8, 8))
for i in range(4):
  for j in range(4):
    patches[i*4 + j] = image32[i:i+8,j:j+8]
    misc.imsave("{0}{1}.png".format(i,j), patches[i*4 + j])

我的形象的一个例子是:

8x8补丁的0,0补丁产量:

我目前正在尝试将图像从.mat文件转换为从该站点下载的.jpg文件 - BrainTumorDataset。目录中包含的所有文件都是.mat文件，现在我想通过python将所有文件转换为.jpg格式，以便通过CNN制作一个项目（使用深度神经网络的脑肿瘤分类）。我在谷歌搜索但后来我没有从那里得到任何东西，只有一些关于如何在 python 中加载 .mat 文件的主题，但这也没有帮助我。我在 StackOverflow 中找到了一个答案，但这不适用于这个数据集，而且答案是在 python 中加载 .mat 图像，但我想将.mat图像转换为.jpg 格式。

我想用 csv 数据创建一个图像。

我正在阅读 csv：

f = open('file.csv', 'rb')
reader = csv.reader(f)

从这里开始，我想制作一个灰度图像，将列表中的每一行数字转换为图像文件中的一行强度。

不确定什么会有用，但这里有一些关于我的 csv 文件的详细信息：使用浮点数，列：315，行：144

谢谢

我正在使用以下代码为 mp4 视频生成缩略图：

import cv2 as cv
from PIL import Image 

vidcap = cv.VideoCapture(videoPath)
vidcap.set(cv.CAP_PROP_POS_MSEC, millisecond)

#Turn video frame into numpy ndarray
success, image = vidcap.read()
cv.imwrite('fromImage.jpg', image)   #line to be replaced

由高预算、专业拍摄的视频生成的缩略图如下所示： 不幸的是，在我的应用程序上下文中，我无法将图像帧直接写入文件。相反，我必须将 cv 生成的图像数组转换为 PIL 图像，然后从那里开始。它看起来像这样：

# Turn numpy ndarray int PIL image
img = Image.fromarray(image)
img.save('fromArray.jpg')    #Saving it for stackoverflow

但是从同一个 mp4 视频输出的缩略图完全失真，因为它似乎已经交换了红色和蓝色，看起来像这样： 谁或什么是这种图像失真的罪魁祸首？