小编Ael*_*ius的帖子

我正在尝试使用从平板扫描仪获得的图像生成“皱巴巴的”图像。

按照第 3.1 节[链接]论文中描述的方法进行操作。我已经编写了生成扰动网格的代码，但我不知道如何将这些像​​素从源图像映射到该网格上以形成扰动图像。

这是生成扰动网格的代码。

import numpy as np
import matplotlib.pyplot as plt

mr = 88
mc = 68

xx = np.arange(mr-1, -1, -1)
yy = np.arange(0, mc, 1)
[Y, X] = np.meshgrid(xx, yy)
ms = np.transpose(np.asarray([X.flatten('F'), Y.flatten('F')]), (1,0))

perturbed_mesh = ms
nv = np.random.randint(20) - 1
for k in range(nv):
    #Choosing one vertex randomly
    vidx = np.random.randint(np.shape(ms)[0])
    vtex = ms[vidx, :]
    #Vector between all vertices and the selected one
    xv  = perturbed_mesh - vtex
    #Random movement 
    mv …

我正在尝试将 16 位 numpy 数组保存为 16 位 PNG，但我获得的只是一张黑色图片。我在这里放了一个我正在谈论的最低限度的例子。

im = np.random.randint(low=1, high=6536, size=65536).reshape(256,256) #sample numpy array to save as image
plt.imshow(im, cmap=plt.cm.gray)

鉴于上面的 numpy 数组，这是我用 matplotlib 看到的图像，但是当我将图像保存为 16 位 png 时，我获得了下面的图片：

import imageio

imageio.imwrite('result.png', im)

图像保存：

其中一些浅灰色斑点是可见的，但图像基本上是黑色的。无论如何，当我读回图像并使用 matplotlib 再次对其进行可视化时，我看到了相同的起始图像。我还尝试了其他库而不是imageio（如PIL或PyPNG），但结果相同。

我知道 16 位图像值的范围从 0 到 65535，在数组 numpy 数组中，这里只有 1 到 6536 的值，但我需要保存与此类似的 numpy 数组图像，即图像中表示的最大值是'不是最大的可表示值。我认为保存过程中涉及某种规范化。我需要完全按照我在 matplotlib 中看到的最大分辨率保存数组，并且不压缩或缩小它们的值（因此除以 255 或转换为 8 位数组是不合适的）。