如何在matplotlib中正确绘制梯度图像白像素且保留原始像素坐标
错位问题的核心来源
- 变量名和实际值的含义错配:
np.where(gradient == 255)的返回结构是(行索引数组, 列索引数组),其中行索引对应图像垂直方向的y轴(从上到下计数),列索引对应水平方向的x轴(从左到右计数)。之前把第一个返回值(本质是y坐标数组)命名为ox,把第二个返回值(本质是x坐标数组)命名为oy,从赋值环节就搞反了坐标的实际含义。 - matplotlib默认坐标系和图像坐标系的方向差异:matplotlib的默认y轴是从下往上递增的,而图像像素的y轴是从上往下递增的,两个方向完全相反,直接传值绘制就会出现上下翻转的效果。
零额外计算的正确实现方案
全程不对原梯度数组做任何旋转、翻转操作,100%保留原像素坐标和2123x1269的原始分辨率,仅通过调整传参和显示规则匹配图像朝向,运行速度最高:
- 坐标取值阶段严格对应含义:直接把np.where返回的两个数组和x/y坐标的实际意义绑定,不用提前做数组变换
- 绘图时传参顺序正确:plot的第一个参数传水平方向的x坐标,第二个参数传垂直方向的y坐标
- 仅在显示层调整坐标轴范围对齐像素方向,不修改底层数组的坐标映射关系
可直接替换的修正代码
import numpy as np from PIL import Image import cv2 from matplotlib import pyplot img = Image.open( "/root/.../aec.png").convert("L") img = np.array(img) kernel = np.ones((2, 2), np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) # np.where返回值顺序:(所有满足条件的行索引=y坐标, 所有满足条件的列索引=x坐标) coords_y, coords_x = np.where(gradient == 255) # 正确的plot传参顺序:(x坐标, y坐标) pyplot.plot(coords_x, coords_y, ".k") # 显示层对齐图像像素坐标系,无数组计算开销 pyplot.xlim(0, gradient.shape[1]) # 匹配原图像水平宽度,不拉伸变形 pyplot.ylim(gradient.shape[0], 0) # 翻转y轴方向,匹配图像从上到下的计数规则 pyplot.show()
方案适配性说明
- 原梯度数组没有经过任何旋转、裁剪、翻转操作,后续用代码里的
coords_x、coords_y去索引原gradient数组时,像素值完全对应,坐标不会脱钩 - 没有对大尺寸数组做任何矩阵变换操作,仅设置两个坐标轴参数,计算开销几乎为零,完全满足大分辨率图像的运行速度要求
- 显示的画面朝向和原梯度图像完全一致,不会出现270度旋转、上下翻转的错位问题,分辨率严格保留为2123x1269
之前尝试失效的原因
- 直接交换plot的两个参数为什么会翻转:因为仅交换了x/y的输入顺序,没有调整y轴的显示方向,matplotlib默认从下往上的y轴方向,和图像从上往下的y轴方向反向,所以会出现上下镜像的效果
- 提前旋转梯度图为什么坐标不对:旋转数组本身会改变像素的索引位置,后续算出来的点坐标是旋转后图像的坐标,和原梯度图的像素位置不再对应,相当于引入了不必要的数组变换开销,还破坏了坐标的一致性
内容的提问来源于stack exchange,提问作者LisaD
相关产品推荐
相关产品推荐

