如何在給定非平滑基礎資料的情況下在matplotlib中獲得平滑的輪廓線

我在 2D 網格上有布爾資料，想用來matplotlib在資料所在的區域True和False.

然而，這些區域之間的分離在實際資料中并不平滑。給定這些資料，如何計算平滑計數？

這是一個最小的例子：

import numpy as np
import matplotlib.pyplot as plt

# generate some non-smooth example data
MESHSIZE = 10
REFINEMENT = 4*MESHSIZE
x = np.linspace(-MESHSIZE, MESHSIZE, REFINEMENT)
xv, yv = np.meshgrid(x, x)
xvf = xv.reshape(-1)
yvf = yv.reshape(-1)


def choppy_circle(x, y):
    inner = x.astype(int)**2 y.astype(int)**2 < 10.0
    return inner


# consider this the *actual* data given to me as-is
my_x = xvf
my_y = yvf
my_z = choppy_circle(xvf, yvf)

# need to visualize the contour that separates areas where
# my_z is True/False
plt.tricontour(my_x, my_y, my_z, levels=np.array([1.0-1e-3]))
plt.scatter(xv, yv, s=0.1)
plt.show()

這會產生以下情節，該情節忠實于資料，但不是我想要的：

如何使用 中給出的資料my_x，my_y并圍繞其中的my_z域構建平滑輪廓？my_zTrue

像這樣的東西：

uj5u.com熱心網友回復：

您可以將樣條曲線擬合到輪廓。并通過選擇樣條曲線的平滑引數使其盡可能平滑。

首先，您獲得邊界點

import functools
import itertools

mask = my_z.reshape(40,40)
mask &= functools.reduce(np.logical_or,[~np.roll(np.roll(mask, shift_x, 0),shift_y,1) 
                                            for shift_x,shift_y in itertools.product((-1,0,1),repeat=2)])
x,y = my_x[mask.reshape(-1)],my_y[mask.reshape(-1)]
plt.scatter(x,y)

現在我們通過相應復數的引數對您的點進行排序。如果您不知道我的意思是該點與原點和點 (1,0) 形成的角度。并為其擬合樣條。

import scipy.interpolate as interpolate
import matplotlib.pyplot as plt

arr = np.array(sorted(zip(x,y), key=lambda x: cmath.phase(x[0] 1j*x[1])))
s=1

tck, u = interpolate.splprep([arr[:,0],arr[:,1]],per=1, s=s)
x_i, y_i = interpolate.splev(np.linspace(0, 1, 10**4), tck)
ax = plt.gca()
ax.plot(x_i, y_i)
ax.scatter(arr[:,0],arr[:,1])
ax.set_title(f"{s=}")
ax.set_aspect('equal')

結果看起來會有所不同，具體取決于s. 我為您繪制了一些：

uj5u.com熱心網友回復：

您可以使用shapely獲取任意形狀的質心和邊界框，然后繪制一個圓：

# […] same as previously

# get points
cs = plt.tricontour(my_x, my_y, my_z, levels=np.array([1.0-1e-3]))
v = cs.collections[0].get_paths()[0].vertices

from shapely.geometry import Polygon

# find centroid coordinates and bounding box
p = Polygon(v)
x,y =p.centroid.coords[0]
minx, miny, maxx, maxy = p.bounds

# plot circle
# depending on the data, one could also plot an ellipse or rectangle
r = max((maxx-minx)/2, (maxy-miny)/2)
circle = plt.Circle((x, y), r, color='r', fill=False)
plt.gca().add_patch(circle)

輸出：

uj5u.com熱心網友回復：

提取此答案中提出的輪廓資料并使用@user2640045 提出的樣條插值允許對任意輪廓執行此操作：

# my_x, my_y, my_z as above...

# get contour data
cs = plt.tricontour(my_x, my_y, my_z, levels=np.array([1.0-1e-3]))
print(type(cs))

# process each contour
for contour in cs.collections[0].get_paths():
    vert = contour.vertices
    vert_x = vert[:, 0]
    vert_y = vert[:, 1]

    # plot contour
    plt.plot(vert_x, vert_y)

    # interpolate contour points
    s = 20
    tck, u = interpolate.splprep([vert_x, vert_y], per=1, s=s)
    x_interp, y_interp = interpolate.splev(np.linspace(0, 1, 10**3), tck)

    # plot interpolated contour
    plt.plot(x_interp, y_interp)

# plot grid
plt.scatter(xv, yv, s=0.1)

# display plot
plt.show()

重要的一點是回圈頭

for contour in cs.collections[0].get_paths():

其中得到每條等高線的xy資料。

標籤：

上一篇：如何在資料著色器中設定正確的彩色影像顏色？

下一篇：Python-如何使用用戶輸入進行登錄資訊提示