將matplotlib圖形轉換為相同形狀的numpy數組

Question

我有一個256x256的圖片，我希望能夠通過這些點繪制一條回歸線。 為此，我將圖像轉換為散點圖，然后嘗試將散點圖轉換回numpy數組。 但是，轉換回numpy數組會使numpy數組變為480x640。

任何人都可以向我解釋為什么形狀發生變化，主要是為什么它不再是正方形圖像，以及是否有任何固定方法可以修復？

從二進制圖像制作我的x和y點

imagetile = a[2]
x, y = np.where(imagetile>0)
imagetile.shape

出：（256L，256L）

版本1

from numpy import polyfit
from numpy import polyval

imagetile = a[2]
x, y = np.where(imagetile>0)

from numpy import polyfit
from numpy import polyval

p2 = polyfit(x, y, 2)

fig = plt.figure()
ax = fig.add_axes([0.,0.,1.,1.])
xp = np.linspace(0, 256, 256)
plt.scatter(x, y)
plt.xlim(0,256)
plt.ylim(0,256)
plt.plot(xp, polyval(p2, xp), "b-")
plt.show()

fig.canvas.draw()
X = np.array(fig.canvas.renderer._renderer)
X.shape

出：（480L，640L，4L）

版本2

def fig2data ( fig ):
    """
    @brief Convert a Matplotlib figure to a 4D numpy array with RGBA channels and return it
    @param fig a matplotlib figure
    @return a numpy 3D array of RGBA values
    """
    # draw the renderer
    fig.canvas.draw ( )

    # Get the RGBA buffer from the figure
    w,h = fig.canvas.get_width_height()
    buf = np.fromstring ( fig.canvas.tostring_argb(), dtype=np.uint8 )
    buf.shape = ( w, h,4 )

    # canvas.tostring_argb give pixmap in ARGB mode. Roll the ALPHA channel to have it in RGBA mode
    buf = np.roll ( buf, 3, axis = 2 )
    return buf

figure = matplotlib.pyplot.figure(  )
plot   = figure.add_subplot ( 111 )


x, y = np.where(imagetile>0)
p2 = polyfit(x, y, 2)
plt.scatter(x, y)
plt.xlim(0,256)
plt.ylim(0,256)
plt.plot(xp, polyval(p2, xp), "b-")

data = fig2data(figure)
data.shape

出：（640L，480L，4L）

謝謝

Answer 1

如果您在未設置參數figsize的情況下調用matplotlib.pyplot.figure ，它將采用默認形狀（文檔中的引號）：

figsize ：（浮動，浮動），可選，默認設置：無寬度，以英寸為單位的高度。 如果未提供，則默認為rcParams [“ figure.figsize”] = [6.4，4.8]。

因此，您可以通過以下方式設置形狀

matplotlib.pyplot.figure(figsize=(2.56,2.56))

不知道您的數據是什么樣子，我認為您的方法相當is回，所以，我建議如下所示：

import numpy as np
import matplotlib.pyplot as plt

# generating simulated polynomial data:
arr = np.zeros((256, 256))
par = [((a-128)**2, a) for a in range(256)]
par = [p for p in par if p[0]<255]
arr[zip(*par)] = 1

x, y = np.where(arr>0)
p2 = np.polyfit(y, x, 2)
xp = np.linspace(0,256,256)

plt.imshow(arr) # show the image, rather than the conversion to datapoints

p = np.poly1d(p2) # recommended in the documentation for np.polyfit

plt.plot(xp, p(xp))

plt.ylim(0,256)
plt.xlim(0,256)

plt.show()

鏈接到np.polyfit的文檔