如何将图像转换为ggplot2散点图可用点数据及R语言实现问询

嘿，这个问题超有意思！我之前刚好折腾过从图像提取点数据用来画ggplot散点图的活儿，给你一步步拆解怎么用R的imager包实现，完全贴合你的需求：

首先我们得把图像读进R里，imager包处理位图特别方便。如果你的Spy Plot是类似MATLAB spy()那种稀疏点图（黑色点+白色背景），其实不用复杂的边缘检测，直接提取黑色像素的坐标就行；如果是复杂轮廓，再用边缘检测。

先安装并加载依赖包：

install.packages("imager")
library(imager)
library(tidyverse)

读取本地图像（这里假设你有一张名为spy_plot.png的目标图）：

img <- load.image("spy_plot.png")

情况1：简单稀疏点图（如MATLAB spy()风格） #

直接二值化提取黑色像素：

# 先转成灰度图简化处理
img_gray <- grayscale(img)
# 二值化：黑色像素值接近0，白色接近1，取小于0.2的像素作为目标点
img_binary <- img_gray < 0.2

情况2：复杂轮廓图像 #

用边缘检测突出轮廓后再提取：

# 用Sobel算子做边缘检测
img_edges <- edge.sobel(img_gray)
# 取前10%的高亮边缘作为目标（可根据图像调整阈值）
img_binary_edges <- img_edges > quantile(img_edges, 0.9)

接下来要把位图里的点坐标转换成tidy格式的tibble，这里要注意坐标系的适配：imager的图像原点在左上角，行对应y轴、列对应x轴；而ggplot2的原点在左下角，所以需要翻转y轴。

提取并整理坐标的代码：

# 获取二进制图像中非0（即目标点/边缘）的像素位置
pixel_coords <- which(img_binary == TRUE, arr.ind = TRUE)

# 转换成标准tbl_df，调整坐标系适配ggplot
point_data <- pixel_coords %>%
  as_tibble() %>%
  rename(y = row, x = col) %>%  # 映射imager的行列到x/y坐标
  mutate(y = max(y) - y)  # 翻转y轴，对齐ggplot的左下角原点

现在你就得到了一个完全符合tibble规范的点数据集，每一行对应一个点的x、y坐标，和开发者转换的tribble结构一致。

直接用整理好的点数据画图，和你平时用ggplot的逻辑完全一致：

ggplot(point_data, aes(x = x, y = y)) +
  geom_point(size = 0.5, color = "black") +  # 可根据需求调整点的大小、颜色
  theme_void()  # 去掉坐标轴和背景，还原Spy Plot的简洁风格

• 如果图像有噪点，提取前可以先做模糊处理：img_blur <- isoblur(img_gray, sigma = 1)，能有效过滤杂色像素；
• 如果能找到Spy Plot对应的原始稀疏矩阵，直接提取矩阵非零元素的坐标会比图像转数据更准确，不用走图像识别的弯路。

内容的提问来源于stack exchange，提问作者Matthew J. Oldach