Konwersja obrazu w skali szarości na obraz termowizyjny RGB z matplotlib

Question

Jak przekonwertować obraz w skali szarości M x N, lub innymi słowy macierz lub tablicę 2-D, na mapę termowizyjną RGB lub innymi słowy M x N tablica x 3?

przykład:

[[0.9, 0.3], [0.2, 0.1]] 

powinno się

[[red, green-blue], [green-blue, blue]] 

gdzie jest [1, 0, 0] czerwony, niebieski jest [0, 0, 1] itp.

Answer 1

import matplotlib.pyplot as plt 

img = [[0.9, 0.3], [0.2, 0.1]] 

cmap = plt.get_cmap('jet') 

rgba_img = cmap(img) 
rgb_img = np.delete(rgba_img, 3, 2) 

cmap jest wystąpienie matplotlib w LinearSegmentedColormap klasy, który wywodzi się z grupy Colormap. Działa z powodu funkcji __call__ zdefiniowanej w Colormap. Tutaj jest docstring z repozytorium git repo matplotlib, ponieważ nie jest to opisane w API.

def __call__(self, X, alpha=None, bytes=False): 
    """ 
    *X* is either a scalar or an array (of any dimension). 
    If scalar, a tuple of rgba values is returned, otherwise 
    an array with the new shape = oldshape+(4,). If the X-values 
    are integers, then they are used as indices into the array. 
    If they are floating point, then they must be in the 
    interval (0.0, 1.0). 
    Alpha must be a scalar between 0 and 1, or None. 
    If bytes is False, the rgba values will be floats on a 
    0-1 scale; if True, they will be uint8, 0-255. 
    """ 

Prostszym rozwiązaniem jest wyświetlanie img korzystając plt.imshow lub plt.matshow, a następnie skopiować lub zapisać wynik jako RGB lub RGBA obrazu. To było zbyt wolne dla mojej aplikacji (~ 30 razy wolniej na mojej maszynie).