如何在图像上绘制矢量场？

Posted 2021-04-02

为了在视觉上理解所涉及的矢量，图像操作的标量场，包括计算，梯度，发散，拉普拉斯等，我试图在所涉及的图像上绘制它们。我开始使用渐变，如下所示

1. 使箭头设置旋转（看起来像这样），与下面的图像相比。我错过了什么？
2. 另外我如何很好地扩展它们？

MWE：

test_img = cv2.imread('images/ring.png', cv2.IMREAD_GRAYSCALE)
r, c = test_img.shape
gd = 15

test_slice = test_img[::gd,::gd]  # every 15th point

X, Y = np.mgrid[0:r:gd, 0:c:gd]
dY, dX = np.gradient(test_slice)

plt.figure(figsize=(10,10))
plt.quiver(X, Y, dX, dY, color='y')
plt.imshow(test_img, cmap='gray')
plt.show()

输出：

所需的风格:(带有图像的矢量场代替）：

使用的样本图像：link

注意：我最初使用了一个png，然后alpha区域给了一个nan，所以现在我已经上传了jpg。

答案

简短的回答是：np.mgrid()给你一个转置（即旋转）矩阵，例如参见this article。

在下面，我使用matplotlib.image加载图像（我首先将其转换回.png）。我展平图像（即删除alpha通道）并使用imshow和拟合色图（“Greys_r”）。然而，重要的部分是在Y, X = np.mgrid[0:r:gd, 0:c:gd]，如果你的图像不是正方形，你可能会发现自己。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

fname="/path/to/ring.png"
im = mpimg.imread(fname)
flat_image=(im[:,:,0]+im[:,:,1]+im[:,:,2])/3.

r, c = np.shape(flat_image)
gd = 4

test_slice = flat_image[::gd,::gd]  # sampling

fig,ax=plt.subplots(1,1)
the_image = ax.imshow(
                flat_image,
                zorder=0,alpha=1.0,
                cmap="Greys_r",
                origin="upper",
                interpolation="hermite",
            )
plt.colorbar(the_image)            
Y, X = np.mgrid[0:r:gd, 0:c:gd]
dY, dX = np.gradient(test_slice)
ax.quiver(X, Y, dX, dY, color='r')


plt.show()

然而，生成的图像（使用色图viridis）似乎可以满足您的需求。