使用 numpy 绘制圆形渐变答案

【问题标题】：Plot circular gradients using numpy使用 numpy 绘制圆形渐变
【发布时间】：2019-03-14 09:29:56
【问题描述】：

我有一个用 numpy 绘制径向渐变的代码。到目前为止，它看起来像这样：

import numpy as np
import matplotlib.pyplot as plt

arr = np.zeros((256,256,3), dtype=np.uint8)
imgsize = arr.shape[:2]
innerColor = (0, 0, 0)
outerColor = (255, 255, 255)
for y in range(imgsize[1]):
    for x in range(imgsize[0]):
        #Find the distance to the center
        distanceToCenter = np.sqrt((x - imgsize[0]//2) ** 2 + (y - imgsize[1]//2) ** 2)

        #Make it on a scale from 0 to 1innerColor
        distanceToCenter = distanceToCenter / (np.sqrt(2) * imgsize[0]/2)

        #Calculate r, g, and b values
        r = outerColor[0] * distanceToCenter + innerColor[0] * (1 - distanceToCenter)
        g = outerColor[1] * distanceToCenter + innerColor[1] * (1 - distanceToCenter)
        b = outerColor[2] * distanceToCenter + innerColor[2] * (1 - distanceToCenter)
        # print r, g, b
        arr[y, x] = (int(r), int(g), int(b))

plt.imshow(arr, cmap='gray')
plt.show()

有没有办法用numpy函数优化这段代码并提高速度？之后应该是这样的：

【问题讨论】：

如果从简单的意义上说，你想要一个 250x250 numpy 数组，在索引 124,124 你希望值为零，并希望值根据欧几里得距离增加中心？
完全正确，但是对于 256x256 numpy 数组

标签： python numpy gradient circular-dependency radial

【解决方案1】：

您可以使用矢量化来非常有效地计算距离，而无需 for 循环：

x_axis = np.linspace(-1, 1, 256)[:, None]
y_axis = np.linspace(-1, 1, 256)[None, :]

arr = np.sqrt(x_axis ** 2 + y_axis ** 2)

或者你可以使用网格：

x_axis = np.linspace(-1, 1, 256)
y_axis = np.linspace(-1, 1, 256)

xx, yy = np.meshgrid(x_axis, y_axis)
arr = np.sqrt(xx ** 2 + yy ** 2)

并再次使用广播在inner 和outer 颜色之间进行插值

inner = np.array([0, 0, 0])[None, None, :]
outer = np.array([1, 1, 1])[None, None, :]

arr /= arr.max()
arr = arr[:, :, None]
arr = arr * outer + (1 - arr) * inner

【讨论】：

【解决方案2】：

由于对称性，实际上只需要计算图像256*256的四分之一即64*64，然后将其逐个旋转90度并组合起来。这样，总时间是计算256*256像素的1/4倍。

以下是示例。

import numpy as np
import matplotlib.pyplot as plt

##Just calculate 64*64
arr = np.zeros((64,64,3), dtype=np.uint8)
imgsize = arr.shape[:2]
innerColor = (0, 0, 0)
outerColor = (255, 255, 255)
for y in range(imgsize[1]):
    for x in range(imgsize[0]):
        #Find the distance to the corner
        distanceToCenter = np.sqrt((x) ** 2 + (y - imgsize[1]) ** 2)

        #Make it on a scale from 0 to 1innerColor
        distanceToCenter = distanceToCenter / (np.sqrt(2) * imgsize[0])

        #Calculate r, g, and b values
        r = outerColor[0] * distanceToCenter + innerColor[0] * (1 - distanceToCenter)
        g = outerColor[1] * distanceToCenter + innerColor[1] * (1 - distanceToCenter)
        b = outerColor[2] * distanceToCenter + innerColor[2] * (1 - distanceToCenter)
        # print r, g, b
        arr[y, x] = (int(r), int(g), int(b))
#rotate and combine
arr1=arr
arr2=arr[::-1,:,:]
arr3=arr[::-1,::-1,:]
arr4=arr[::,::-1,:]
arr5=np.vstack([arr1,arr2])
arr6=np.vstack([arr4,arr3])
arr7=np.hstack([arr6,arr5])
plt.imshow(arr7, cmap='gray')
plt.show()

【讨论】：