如何用Python将0和255值的2D NumPy云图填充为连续地图？

1. 依赖库导入 #

首先需要导入处理数组和图像的核心库：

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter, distance_transform_edt

2. 预处理二值数组 #

假设你已经有了cloud_map这个由0和255组成的2D NumPy数组，先将其转换为0-1的浮点型二值数组，方便后续计算：

# 将255标记的云区域转为1，非云区域保持0
binary_cloud = (cloud_map == 255).astype(np.float32)

3. 生成连续渐变效果 #

以下两种方法可以生成接近目标的平滑地图，可根据需求选择：

方法一：高斯模糊+对比度调整 #

通过高斯模糊让二值边缘产生平滑过渡，再用伽马校正优化渐变对比度：

# 高斯模糊，sigma控制平滑程度，值越大过渡越柔和（建议5-10之间调试）
blurred = gaussian_filter(binary_cloud, sigma=7)

# 伽马校正增强渐变层次，gamma<1提亮暗部，gamma>1加深暗部
gamma = 0.5
adjusted_map = np.power(blurred, gamma)

方法二：距离变换+平滑 #

通过欧氏距离变换计算云区域内部到边缘的距离，模拟云核心-边缘的自然渐变：

# 计算云区域内每个像素到边缘的欧氏距离
distance = distance_transform_edt(binary_cloud)

# 将距离值归一化到0-1范围
normalized_dist = distance / distance.max()

# 二次高斯模糊优化过渡效果
smoothed_map = gaussian_filter(normalized_dist, sigma=4)

4. 可视化匹配目标效果 #

使用蓝系颜色映射模拟目标图的色调，同时隐藏坐标轴：

plt.figure(figsize=(10, 8))

# 展示方法一结果
plt.subplot(121)
plt.imshow(adjusted_map, cmap='Blues')
plt.title('高斯模糊方案')
plt.axis('off')

# 展示方法二结果
plt.subplot(122)
plt.imshow(smoothed_map, cmap='Blues')
plt.title('距离变换方案')
plt.axis('off')

plt.tight_layout()
plt.show()

参数调试提示 #

• sigma：高斯模糊的核大小，需根据你的图像尺寸调整，尺寸越大sigma值可适当增大
• gamma：针对高斯模糊结果微调，可根据目标图的深浅程度调整0.3-0.8之间的数值
• 颜色映射：如果Blues不够贴合，可尝试viridis或自定义渐变colormap

内容的提问来源于stack exchange，提问作者Learning from masters