Plt 绘图到 OpenCV 图像/Numpy 数组

Posted 2023-02-23

【中文标题】Plt 绘图到 OpenCV 图像/Numpy 数组

【英文标题】：Plt Plot to OpenCV Image/Numpy Array

【发布时间】：2019-08-11 04:40:45

【问题描述】：

我有一段代码用于可视化图表：

if (visualize == True):
    # Black removed and is used for noise instead.
    unique_labels = set(db.labels_)
    colors = [plt.cm.Spectral(each)
            for each in np.linspace(0, 1, len(unique_labels))]
    for k, col in zip(unique_labels, colors):
        if k == -1:
            # Black used for noise.
            col = [0, 0, 0, 1]

        class_member_mask = (db.labels_ == k)

        xy = scaled_points[class_member_mask & core_samples_mask]
        plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
                markeredgecolor='k', markersize=14)

        xy = scaled_points[class_member_mask & ~core_samples_mask]
        plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
                markeredgecolor='k', markersize=6)

    # display the graph
    plt.title('Estimated number of clusters: %d' % n_clusters_)
    plt.show()

    # get the image into a variable that OpenCV likes
    # uh, how?

虽然这可行，但我希望将最终结果（无论显示什么）作为 OpenCV 图像。

由于我什至没有变量-image-，我不知道如何实现这一点。

有人做过类似的事情吗？

编辑：我实际上已经接近了。现在我可以用fig 创建一个OpenCV 图像，但是内容不对。无花果是空的。我想知道我哪里错了？为什么不从上面获取plt对象并绘制实际内容？

fig = plt.figure()
canvas = FigureCanvas(fig)
canvas.draw()

# convert canvas to image
graph_image = np.fromstring(fig.canvas.tostring_rgb(), dtype=np.uint8, sep='')
graph_image  = graph_image.reshape(fig.canvas.get_width_height()[::-1] + (3,))

# it still is rgb, convert to opencv's default bgr
graph_image = cv2.cvtColor(graph_image,cv2.COLOR_RGB2BGR)

【问题讨论】：

OpenCV image - 你的意思是Mat 吗？

Python 没有 Mat 类型变量，它在 C++ 中。它认为 Python 将图像视为数组。相应地编辑了问题标题。

在这里确认：***.com/questions/7762948/… OpenCV 中的图像类型为 numpy.ndarray

我实际上可以使用plt.savefig('/tmp/graph' + str(self.frame_id) + ".jpg") 保存图像，但我不能将它分配给变量，即numpy.ndarray。我可以每次都重新加载图像，但这太贵了

看起来你正在寻找Agg Buffer To Array。

【参考方案1】：

好的，我终于明白了！一开始必须创建fig对象，然后使用必要的绘图功能，然后转换为canvas，然后再转换为OpenCV图像。

编辑：感谢@ImportanceOfBeingErnest 的建议，现在代码更加简单了！

这里是完整的代码：

if (visualize == True):
    # create a figure
    fig = plt.figure()

    # Black removed and is used for noise instead.
    unique_labels = set(db.labels_)
    colors = [plt.cm.Spectral(each)
            for each in np.linspace(0, 1, len(unique_labels))]
    for k, col in zip(unique_labels, colors):
        if k == -1:
            # Black used for noise.
            col = [0, 0, 0, 1]

        class_member_mask = (db.labels_ == k)

        xy = scaled_points[class_member_mask & core_samples_mask]
        plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
                markeredgecolor='k', markersize=14)

        xy = scaled_points[class_member_mask & ~core_samples_mask]
        plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
                markeredgecolor='k', markersize=6)

    # convert it to an OpenCV image/numpy array
    canvas = FigureCanvas(fig)
    canvas.draw()

    # convert canvas to image
    graph_image = np.array(fig.canvas.get_renderer()._renderer)

    # it still is rgb, convert to opencv's default bgr
    graph_image = cv2.cvtColor(graph_image,cv2.COLOR_RGB2BGR)

【讨论】：

这比我在问题下方的 cmets 中建议的要复杂得多。它只是graph_image = np.array(fig.canvas.get_renderer()._renderer)。