我需要一个python例程,可以打开并将TIFF图像导入到numpy数组中,这样我就可以分析和修改包含的数据,然后再将它们保存为TIFF.(它们基本上是灰度的光强度图,表示每个像素的相应值)
我试图找到一些东西,但没有关于TIFF的PIL方法的文档.我试图搞清楚,但只有错误的模式/文件类型不支持错误.
我需要在这里使用什么？
我想绘制一个2D数组(大约1000x1000),其值对应于色标.所以我使用了matplotlib.pcolor,它就是这样做的但是由于某种原因,当它达到那些尺寸时(例如2分钟左右才能绘制)它是超级慢的.这是什么原因？将float值转换为int16左右有帮助吗？pcolor还有其他选择吗？
from pylab import *
data=genfromtxt('data.txt',autostrip=True, case_sensitive=True)
pcolor(data,cmap='hot')
colorbar()
show()
data.txt包含数组.加载过程确实需要几秒钟,但主要的计算时间肯定是由pcolor()和show()函数使用(大约每个60-90秒).
我想使用TIFF图像有效地保存大量的测量数据.将它们设置为mode ="I; 16"(对应于我的16位数据范围),它们产生2MB文件(~1000x1000"像素").这很好.
但是,在分析它们时,我遇到了将它们重新转换为数组的麻烦.对于32位数据( - >"I"),numpy.array命令工作正常.在"I; 16"的情况下,结果是0D numpy数组,其中TIFF为[0,0]条目.
有没有办法让它工作？我真的想避免使用32位图像,因为我不需要该范围,它可以将所需的硬盘空间加倍(计划中有很多很多测量...)
当我将事件绑定到条目并读取内容时,更改会以某种方式滞后.我想"动态更新"另一个条目,一旦条目1改变,它就会显示各种条目内容的计算结果.但不知何故,这种变化并未立即得到认可,只有前述的变化.不知道问题是否清楚:如果我进行了n次更改,则会识别出更改为n-1的更改.如果数字是1000并且我按退格两次,则entry_1.get()将产生100而不是10.希望你明白我的意思现在:)
代码段(简化):
self.entry_1.bind('<Key>',lambda d: self.update())
def update(self):
success=True
try:
float(self.entry_1.get())
float(self.entry_1.get())
except ValueError: success=False
if success:
self.entry_3.delete(0,"end")
x=(float(self.entry_1.get())*float(self.entry_2.get())
self.entry_3.insert("end", "%g" %x)
可能是什么原因？
我想在单击级联内的命令按钮后保持菜单级联打开。因此，它基本上仅在用户单击其他任何地方时才会关闭（就像通常一样）。似乎无法找到正确的选项或方法来在回调中打开所述菜单。invoke() 函数仅适用于级联中的按钮，对吗？你会怎么做呢？
我使用Tkinter GUI来启动测量和分析过程,基本上只需点击一下按钮即可.由于这些测量可能需要一段时间,我试图包括一个进度条,即这个:
http://tkinter.unpythonic.net/wiki/ProgressMeter
但是当我启动这个过程时,我的整个Tkinter窗口变成了废话直到测量完成并且它有点重新加载,我的进度条设置得太过100%.这有点不是我想要发生的事情.
那里发生了什么？我对这整个编程工作都很陌生,所以我猜不到所有的工具.我是否需要引入一个单独的线程或类似的东西,以便测量和tkinter主循环(那是什么？)同时运行？如果是这样,我该怎么做？
由于某种原因，我无法获得此选项菜单，因此请调用回调函数。这些小部件需要某些特殊处理吗？（该函数本身有效，我可以从一个按钮调用它。）
self.shapemenu=Tkinter.OptionMenu(self.frame,self.shape,"rectangle", "circular", command=self.setshape)
self.shape是一个Tkinter.StringVar，显然setshape是回调函数。
我在这里做错了什么？
是否有可能在"0"的休止矩阵中生成一个圆形图案为"1"的numpy矩阵？基本上是一个
generate(ysize, xsize, ycenter, xcenter, radius)
应该看起来像
[000000000]
[000000000]
[000001000]
[000011100]
[000111110]
[000011100]
[000001000]
[000000000]
(好吧,这看起来很愚蠢,但在1000x1000规模上,这是有道理的)
numpy有这种可能吗？