在 matplotlib 中生成 16 位颜色图

Question

我想在 matplotlib 中使用 RGB colormap 为 16 位深度图像着色。从技术上讲，每个通道 8 位的 3 个通道应该足以为所有 2^16 个可能的深度值提供不同的 rgb 值。

标准颜色图 'viridis' 确实会产生 <1000 个不同的值，即使原始深度图像有两倍以上。

我尝试使用更多样本创建颜色图 plt.get_cmap('viridis', 2**16)，但仍然不够。

一些代码来描述我正在尝试做的事情：

def depth_to_rgb(path):   
    depth_map = Image.open(path)
    pixel = np.array(depth_map)
    pixel = (pixel - np.min(pixel)) / np.ptp(pixel)
    cm = plt.get_cmap('viridis', 2**16)
    pixel_colored = np.uint8(np.rint(cm(pixel) * 255))[:, :, :3]
    return Image.fromarray(pixel_colored)

我可以通过创建自定义 cm 稍微增加地图中不同值的数量，但仍然不够：

cm = mlp.colors.LinearSegmentedColormap.from_list("",
["red", "green", "yellow"], N=2**16)

是否有具有足够值的颜色图，或者我如何创建一个？与 Pillow Image Library 相关的解决方案也很受欢迎。

编辑

显然（感谢 ImportanceOfBeingErnest）生成的颜色图确实有 2**16 个值，但 np.uint8(np.rint(cm(pixel) * 255)) 导致其中一些落在相同的颜色上。我只打印了结果图像中不同颜色的数量。我想我必须做一些不同的映射，但原来的问题得到了回答。

Answer 1

Viridis 有 256 种颜色。它是一个 ListedColormap，这意味着在重新采样时，它仍然会给你最大的初始颜色数。所以 plt.get_cmap('viridis', 2**16) 仍然会给你 256 种初始颜色。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors

cmap = plt.get_cmap("viridis", 2**16)
a = cmap(np.linspace(0,1,2**16))
print(len(a))
print(len(np.unique(a, axis=0)))

打印

65536
256

但是 LinearSegmentedColormap.from_list 较大的 N 应该可以。

cmap = mcolors.LinearSegmentedColormap.from_list("", ["red", "green", "yellow"], N=2**16)
a = cmap(np.linspace(0,1,2**16))
print(len(a))
print(len(np.unique(a, axis=0)))

打印

65536
65536

如果你想要一个包含 2^16 个条目的 viridis 颜色图，你仍然可以在现有的 256 种颜色之间进行插值，

cmap = mcolors.LinearSegmentedColormap.from_list("", plt.cm.viridis.colors, N=2**16)

这将产生上述 65536 种颜色。

在 matplotlib 中生成 16 位颜色图

generate 16-bit color map in matplotlib

python

matplotlib

color-depth

colormap