我正在尝试将图像中的 r、g、b 通道绘制为 3-D 散点图。
当我有一个黑白图像时，这很有效，因为我得到一个散点图，在散点图的两端只有两个不同的簇。
但是对于彩色图像，散点图在视觉上没有多大意义，因为图像中颜色空间中的许多点都有对应的 r,g,b 值。
所以我最终得到了如下所示的图像 -
我想要以某种方式表示密度信息。例如，如果 (255,255,255) 对应的点数为 1000，而 (0,0,0) 对应的点数仅为 500，那么我希望 (255,255,255) 为深红色，而 (0,0,0) 为是黄色/橙色
我如何在 matplotlib 中实现这一点？我也可以接受某种气泡效果，其中 (255,255,255) 表示为比 (0,0,0) 更大的气泡，尽管我觉得编码为颜色信息的密度信息会更具视觉吸引力
【问题讨论】：
标签： python-3.x matplotlib data-visualization mplot3d scatter3d
这是使用高斯 KDE 的尝试。它仍然远非完美，结果很大程度上取决于估计参数 (bw_method)。也许有一种更简单的方法，也许是使用np.unique 来获取每种独特颜色的频率。
这个想法是将颜色密度分布估计为多元高斯混合，并将其用作散点图的颜色图。
对于任何严肃的事情来说它有点慢，但我认为它可以用足够小的图像给出很好的结果。也许一些基于 FFT+卷积的估计方法会更快。
让我们看一些代码。没什么特别的：它以gaussian_kde 喜欢的方式展平和重塑图像数据，并返回 RGB 和密度分量。你可以试试bw_method，看看结果如何变化，密度越大，你得到的密度就越平滑。
from scipy.stats import gaussian_kde
def img_to_rgbk(img, bw=0.1):
rgb = img.reshape(-1, 3).T
k = gaussian_kde(rgb, bw_method=bw)(rgb)
r, g, b = rgb
return r, g, b, k
这是带有玩具图像的结果
img = chelsea()[100:200, 100:200]
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
r, g, b, k = img_to_rgbk(img, bw=0.5)
ax.scatter(r, g, b, c=k, alpha=0.2)
注意c=k用于将地图标记颜色设置为密度信息，需要alpha才能透过云层看到一点。
请注意，在这里您可以看到错误的带宽选择会如何产生误导。足够小的bw_method 应该基本上每列显示一种颜色，沿行重复。因此，每个点都应该具有相同的颜色（并且具有正确的带宽）。
【讨论】：