怎么用IDL处理FITS文件

Posted 2023-05-10

参考技术A 从开始做这个课题到现在就没少用IDL读FITS文件。这个方面用mrdfits比较容易，基本就是一行搞定数据，几行搞定文件头，用了不知多少次。其实在读FITS的时候就在想，把写FITS也搞明白吧，不过惰性太大，一直都回避这个问题。 今天合作者建议我把数据平滑一下重新计算。我用的那个程序的输入就是一个FITS文件，这就意味着我需要重新写一个平滑后的FITS文件，于是今天不得不去看看怎么写FITS文件了。原来知道和mrdfits对应的有mwrfits，专门写FITS文件的。我有一个数组a和文件头head，于是按照说明里写 IDL> mwrfits,a,'out.fits',head 这样倒是可以生成一个FITS文件，查看了也正常，可是我用来处理的那个程序就是不认。不得已，参考了一下别人的程序，用writefits IDL> writefits, 'out.fits', a, head 这样生成的FITS文件就能被识别了。原因为何，有待研究。 在文件头某些信息改变的情况下还需要改一下文件头里的参数，可以用fxaddpar，例如改变参数'NAXIS'的值 IDL> fxaddpar,'NAXIS',2

数组/矩阵转换成Image类

Python下将数组/矩阵转换成Image类

原创 2017年04月21日 19:21:27

• 标签：
• python /
• 图像处理

• 3596

先说明一下为什么要将数组转换成Image类。我处理的图像是FITS (Flexible Image Transport System)文件，是一种灰度图像文件，也就是单通道图像。FITS图像的特点是灰度值取值为0~65535，这类图像在python下读成数组首先是不能直接转换成位图，也就不能用OpenCV、Image等方法了。如果是普通的jpg图像，用自带的Image库就能实现很多功能。 

下方的这幅图就是通过python下的Image库中的rotate函数实现的 
接下来贴上代码。

---

import Image
import numpy as np
#生成一个数组，维度为100*100，灰度值一定比255大
narray=np.array([range(10000)],dtype=‘int‘)
narray=narray.reshape([100,100])
#调用Image库，数组归一化
img=Image.fromarray(narry*255.0/9999)
#转换成灰度图
img=img.covert(‘L‘)
#可以调用Image库下的函数了，比如show()
img.show()
#Image类返回矩阵的操作
imgdata=np.matrix(img.getdata(),dtype=‘float‘)
imgdata=imgdata.reshape(narry.shape[0],narry.shape[1])
#图像归一化，生成矩阵
nmatrix=imgdata*9999/255.0

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16

这是刚才代码生成的图片，是不是很简单？