小编F. *_*Win的帖子

我有以下问题：我想从 2D 数组中提取 1D 轮廓，这相对简单。而且在任意方向上执行此操作也很容易（请参见此处）。

但我想给轮廓一定的宽度，以便对垂直于轮廓的值进行平均。我设法做到了这一点，但速度非常慢。有人对此有好的解决方案吗？

谢谢！

import numpy as np
import os
import math
import itertools
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon

def closest_point(points, coords):
    min_distances = []
    coords = coords
    for point in points:
        distances = []
        for coord in coords:
            distances.append(np.sqrt((point[0]-coord[0])**2 + (point[1]-coord[1])**2))

        val, idx = min((val, idx) for (idx, val) in enumerate(distances))
        min_distances.append(coords[idx])
    return min_distances

def rect_profile(x0, y0, x1, y1, width):

    xd=x1-x0
    yd=y1-y0
    alpha = (np.angle(xd+1j*yd))

    y00 = y0 - np.cos(math.pi - …

有人知道如何优雅地在三个子图中的两个上绘制水平颜色条,并在第三个子图上绘制一个额外的水平颜色条.

理想情况下,颜色条应具有与相应图像轴相同的x尺寸.除了使用设置整个图像网格外,我没有找到任何好的解决方案matplotlib.gridspec.

绘制单个颜色条可以很好地工作mpl_toolkits.axes_grid1.ImageGrid,但是当尝试在三个轴中的两个轴上绘制颜色条时它会失败.

我有以下问题：我想整合一个二维数组，所以基本上是反转一个梯度算子。

假设我有一个非常简单的数组，如下所示：

shape = (60, 60)
sampling = 1
k_mesh = np.meshgrid(np.fft.fftfreq(shape[0], sampling), np.fft.fftfreq(shape[1], sampling))

然后我将我的向量场构造为一个复值数组（x 向量 = 实部，y 向量 = 虚部）：

k = k_mesh[0] + 1j * k_mesh[1]

所以例如真实的部分看起来像这样

现在我取梯度：

k_grad = np.gradient(k, sampling)

然后我使用傅立叶变换来反转它，使用以下函数：

def freq_array(shape, sampling):

    f_freq_1d_y = np.fft.fftfreq(shape[0], sampling[0])
    f_freq_1d_x = np.fft.fftfreq(shape[1], sampling[1])
    f_freq_mesh = np.meshgrid(f_freq_1d_x, f_freq_1d_y)
    f_freq = np.hypot(f_freq_mesh[0], f_freq_mesh[1])

    return f_freq


def int_2d_fourier(arr, sampling):
    freqs = freq_array(arr.shape, sampling)

    k_sq = np.where(freqs != 0, freqs**2, 0.0001)
    k = np.meshgrid(np.fft.fftfreq(arr.shape[0], sampling), np.fft.fftfreq(arr.shape[1], sampling))

    v_int_x = np.real(np.fft.ifft2((np.fft.fft2(arr[1]) …

有谁知道是否可以使用 计算两个椭圆的重叠面积matplotlib.patches.Ellipse。

我必须像这样省略：

我想计算重叠面积与各个椭圆的面积之间的比率。Ellipse仅使用from是否可以matplotlib.patches