如何将高斯模糊应用于“matplotlib”中的图形？

Question

如何对matplotlib 中的图形应用高斯模糊？

更具体地说，我在matplotlib 图中绘制了以下图像：

使用以下代码生成：

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter


x = np.linspace(0, 3*np.pi, 100)
ys = []
for i in range(20):
    ys.append(np.sin(x) + (np.random.rand(100)-0.5)*np.random.rand())

new_y = ys[0]
new_x = x
for i in range(1, 20):
    new_x = np.concatenate([new_x, x])
    new_y = np.concatenate([new_y, ys[i]])

fig, ax = plt.subplots()
ax.hist2d(new_x, new_y, bins=50, cmap='inferno')
plt.show()

如何绘制此图像的高斯模糊版本？任何帮助将不胜感激。

---

我尝试过的：

我尝试在实际显示之前从图中抓取数据，将其转换为 numpy 数组，将高斯模糊应用于 numpy 数组，然后使用 plt.imshow 绘制模糊数组。

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter


x = np.linspace(0, 3*np.pi, 100)
ys = []
for i in range(20):
    ys.append(np.sin(x) + (np.random.rand(100)-0.5)*np.random.rand())

new_y = ys[0]
new_x = x
for i in range(1, 20):
    new_x = np.concatenate([new_x, x])
    new_y = np.concatenate([new_y, ys[i]])

fig, ax = plt.subplots()
ax.hist2d(new_x, new_y, bins=50, cmap='inferno')
fig.canvas.draw()

data = np.fromstring(fig.canvas.tostring_rgb(), dtype=np.uint8, sep='')
data = data.reshape(fig.canvas.get_width_height()[::-1] + (3,))
data2 = gaussian_filter(data, sigma=5)


plt.imshow(data2)

plt.pause(5)

但是，这显然对生成的图像没有任何影响。

Answer 1

您可以使用pcolormesh 绘制直方图并使用shading="gouraud"。这可能不是真正的高斯，但我认为结果看起来像您正在搜索的，see the image here。

代码：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 3*np.pi, 100)
ys = []
for i in range(20):
    ys.append(np.sin(x) + (np.random.rand(100)-0.5)*np.random.rand())

new_y = ys[0]
new_x = x
for i in range(1, 20):
    new_x = np.concatenate([new_x, x])
    new_y = np.concatenate([new_y, ys[i]])

fig, ax = plt.subplots()
data = np.histogram2d(new_x, new_y, bins=50)[0]
plt.pcolormesh(data.T, cmap='inferno', shading='gouraud')
fig.canvas.draw()

plt.pause(5)

Answer 2

我的猜测是，当您抓取渲染的直方图时，每个 bin 都有很多像素，因此平滑该图像几乎不会引起注意。增加平滑参数应该会改善您的结果。但它永远不会看起来像您期望的那样，因为每个输入 bin 都是一个像素块。

正确的解决方案是使用numpy.histogram2d 来生成直方图。然后，您可以适当地对其进行平滑处理并以任何您想要的方式显示它。

Answer 3

在 Markus 的回答的帮助下，我设法解决了这个问题。对np.histogram2d 返回的数据使用gaussian_filter 函数可以正确地将模糊应用于图像：

import numpy as np
import matplotlib.pyplot as plt
from scipy.ndimage import gaussian_filter

x = np.linspace(0, 3*np.pi, 200)
xs = []
ys = []

for i in range(200):
    xs.append(x+np.random.rand(200))
    ys.append(np.sin(xs[i]) + (np.random.rand(200)-0.5)*np.random.rand())

new_y = ys[0]
new_x = xs[0]
for i in range(1, 200):
    new_x = np.concatenate([new_x, xs[i]])
    new_y = np.concatenate([new_y, ys[i]])

fig, ax = plt.subplots()
data = np.histogram2d(new_x, new_y, bins=150)[0]
data = gaussian_filter(data, sigma=5)
plt.pcolormesh(data.T, cmap='inferno', shading='gouraud')
fig.canvas.draw()

plt.pause(5)

生成以下图像：