如何获取matplotlib plot_surface的3D深度最值及对应坐标？

你可以直接用NumPy自带的函数来实现需求，不需要额外引入其他库——毕竟你的image2和blurred本身就是NumPy数组，NumPy提供了高效的最值计算和索引定位工具。

实现步骤及代码示例 #

直接在你的现有代码末尾添加以下逻辑即可：

1. 处理原始图像image2

# 计算深度最值
max_val_img = np.max(image2)
min_val_img = np.min(image2)

# 获取最值在数组中的原始索引（行，列）
max_idx_img = np.unravel_index(np.argmax(image2), image2.shape)
min_idx_img = np.unravel_index(np.argmin(image2), image2.shape)

# 转换为3D投影中的x、y坐标（匹配你代码里的网格定义）
max_x_img = max_idx_img[1]  # x对应列索引
max_y_img = rows - 1 - max_idx_img[0]  # y是原始行索引的逆序

min_x_img = min_idx_img[1]
min_y_img = rows - 1 - min_idx_img[0]

# 输出结果
print(f"原始图像深度最大值: {max_val_img}, 对应坐标(x,y): ({max_x_img}, {max_y_img})")
print(f"原始图像深度最小值: {min_val_img}, 对应坐标(x,y): ({min_x_img}, {min_y_img})")

2. 处理模糊后图像blurred

# 计算深度最值
max_val_blur = np.max(blurred)
min_val_blur = np.min(blurred)

# 获取最值在数组中的原始索引（行，列）
max_idx_blur = np.unravel_index(np.argmax(blurred), blurred.shape)
min_idx_blur = np.unravel_index(np.argmin(blurred), blurred.shape)

# 转换为3D投影中的x、y坐标
max_x_blur = max_idx_blur[1]
max_y_blur = rows - 1 - max_idx_blur[0]

min_x_blur = min_idx_blur[1]
min_y_blur = rows - 1 - min_idx_blur[0]

# 输出结果
print(f"模糊图像深度最大值: {max_val_blur}, 对应坐标(x,y): ({max_x_blur}, {max_y_blur})")
print(f"模糊图像深度最小值: {min_val_blur}, 对应坐标(x,y): ({min_x_blur}, {min_y_blur})")

关键函数说明 #

• np.max()/np.min()：直接计算数组的最大值、最小值
• np.argmax()/np.argmin()：返回最值在展平数组中的索引
• np.unravel_index()：将展平索引转换为原始二维数组的（行，列）索引
• 坐标转换：因为你代码里的y网格是range(rows)[::-1]（即行索引逆序），所以需要用rows - 1 - 原始行索引来匹配3D图中的y坐标

内容的提问来源于stack exchange，提问作者Mohamed Hedeya