在python或ImageMagick中對熱圖進行後處理

我怎樣才能讓這個熱圖看起來更清晰沒有模糊的效果。我如何銳化Python（或ImageMagick）？ 我怎麼可能在背景上得到一個像素網格？在python或ImageMagick中對熱圖進行後處理

這是我用來獲取當前的圖像：

maxsize = (1030, 2056) 
for i in range(1,334,1): 
    img = Image.open('C:Desktop/Img/image'+'_'+ str(i)+'.png') 
    img = img.resize(maxsize, Image.BICUBIC) 
    img.save('C:/Desktop/Res/img'+'_'+ str(i)+'.png', dpi = (7040,7040))

我也試過在ImageMagick的（但沒有太大的幫助，至少在視覺上尋找）：

magick img_244.png -sharpen 0x3 out.png

非常感謝您提前，

來源

2017-07-07 MedImage

在ImageMagick（以及OpenCV/python）中，您可以使用kmeans來處理圖像。 ImageMagick有一個bash unix shell腳本。

kmeans -n 7 -m 5 g4Zwf.png result7.png

其中n是顏色的數量，m是最大迭代次數。

這時你可以用我的劇本，網格，畫線（或直接使用ImageMagick的）畫線。用我的劇本，電網與100像素間距給出：

grid -s 100,100 -c white result7.png result7g100.png

我的腳本是在http://www.fmwconcepts.com/imagemagick/index.html

對於OpenCV的/ Python的，看http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_ml/py_kmeans/py_kmeans_opencv/py_kmeans_opencv.html和How to write lines and grid on image in Python?

OpenCV的/ Python的也有期望最大化可能會比kmeans在顏色處理上表現得更好。見https://en.wikipedia.org/wiki/Expectation–maximization_algorithm 和 Maximum likelihood pixel classification in python opencv

來源

2017-07-07 16:54:01 fmw42

您導入的模塊是Image？你需要的是最近鄰居插值，而不是雙三次interpolation。可能類似於

img = img.resize(maxsize, Image.INTER_NEAREST)

來源

2017-07-07 14:51:53 LUB

我用PIL（導入圖像）。我認爲最近鄰插值太大，插值太大，像素的大小（如果我可以說）太大了。結果，我們想要看到的平滑程度沒有獲得。會有替代方案嗎？我用這個網站作爲參考：https：//www.daniweb.com/programming/software-development/code/216637/resize-an-image-python – MedImage

你的原始圖像沒有包含比你在最近鄰居「內插」。我擔心我不能幫助你，而不僅僅是指PIL中的不同[插值方法]（http://pillow.readthedocs.io/en/3.1.x/reference/Image.html#PIL.Image.Image.resize）。也許其中一個導致接近你想要的外觀。你可以改變顏色表，看看[這裏]（https://stackoverflow.com/questions/10965417/how-to-convert-numpy-array-to-pil-image-applying-matplotlib-colormap）瞭解如何使用帶有PIL的matplotlib顏色映射。 – LUB

我同意LUB。如果您有一組非常小的原始數據並正在嘗試擴展，那麼通過使用-resize，由於像素插值，您正在模糊它。我上面所做的只是試圖將它分成獨特的顏色。如果你想放大，你應該在ImageMagick中使用-scale或者嘗試-filter carton -resize，這可能會給你一個更清晰的結果，具體取決於你有多大的擴展。但是LUB是正確的。您不會從使用-scale的像素複製中獲得更多信息。 – fmw42

在python或ImageMagick中對熱圖進行後處理

回答

相關問題