将XYZ点 Cloud 转换为灰度图像

2 回答

• 1

  让我们假设X，Y排列成它们将形成一个网格（为了构建一个矩形图像，这是必须的） . 从那里这很容易：

  import numpy as np
  import matplotlib.pyplot as plt
  
  # generate some data
  ax = np.arange(-9, 10)
  X, Y = np.meshgrid(ax, ax)
  Z = X ** 2 + Y ** 2
  
  # normalize the data and convert to uint8 (grayscale conventions)
  zNorm = (Z - Z.min()) / (Z.max() - Z.min()) * 255
  zNormUint8 = zNorm.astype(np.uint8)
  
  # plot result
  plt.figure()
  plt.imshow(zNormUint8)
  

  回复于 2024-04-28T22:29:37+08:00
• 1

  多谢你们 . 我刚刚编写了自己的代码来进行插值 . 但我的想法来自你的 . 感谢@asaflotz和@Paul Panzer .

  事情就是在我的场景中，点 Cloud 中的点数排列不好 . 两个附近点之间的间隔不均匀 . 直接使用网格是不可能的 . 所以我在Scipy.Interpolate中选择了一个非结构化的方法，根据不同的用例，可以使用许多实用的方法 . 我的代码是Scipy.Interpolate.griddata中示例的修改版本 .

  x_range=((df.X.max()-df.X.min()))
  y_range=((df.Y.max()-df.Y.min()))
  grid_x, grid_y = np.mgrid[df.X.min():df.X.max():(x_range*1j), df.Y.min():df.Y.max():(y_range*1j)]
  points = df[['X','Y']].values
  values = df['new'].values
  grid_z0 = griddata(points, values, (grid_x, grid_y), method='linear').astype(np.uint8)
  im=Image.fromarray(grid_z0,'L')
  im.show()
  

  注意到在griddata中，可以根据您的场景应用类似 'linear', 'nearest', 'cubic' 的方法 . 这是生成的灰度高程图像 .

  最后，我的问题基本上已经解决了 . 如果您有任何好的想法或困惑，请对此帖发表评论 . 谢谢大家！

  罗文

  回复于 2024-04-28T22:29:37+08:00