วิธีการสร้างขอบนอกของขอบเขตกริดที่เลือกใน Python

Question

ฉันมีรหัสต่อไปนี้:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi/2, np.pi/2, 30)
y = np.linspace(-np.pi/2, np.pi/2, 30)
x,y = np.meshgrid(x,y)

z = np.sin(x**2+y**2)[:-1,:-1]

fig,ax = plt.subplots()
ax.pcolormesh(x,y,z)

ซึ่งให้ภาพนี้:

ตอนนี้สมมติว่าฉันต้องการเน้นขอบบางช่องตาราง:

highlight = (z > 0.9)

ฉันสามารถใช้ฟังก์ชันเส้นโครงร่างได้ แต่จะส่งผลให้เส้นโครงร่าง "เรียบ" ฉันแค่ต้องการเน้นที่ขอบของพื้นที่ตามขอบของกล่องตาราง

สิ่งที่ใกล้เคียงที่สุดที่ฉันมาคือการเพิ่มสิ่งนี้:

highlight = np.ma.masked_less(highlight, 1)

ax.pcolormesh(x, y, highlight, facecolor = 'None', edgecolors = 'w')

ซึ่งให้พล็อตนี้:

ซึ่งใกล้เคียง แต่สิ่งที่ฉันต้องการจริงๆคือเน้นเฉพาะขอบด้านนอกและด้านในของ "โดนัท" เท่านั้น

โดยพื้นฐานแล้วฉันกำลังมองหาไฮบริดของฟังก์ชันรูปร่างและ pcolormesh ซึ่งเป็นสิ่งที่เป็นไปตามรูปร่างของค่าบางอย่าง แต่ตามถังขยะแบบกริดใน "ขั้นตอน" แทนที่จะเชื่อมต่อแบบจุดต่อจุด มันสมเหตุสมผลหรือไม่?

หมายเหตุด้านข้าง: ในอาร์กิวเมนต์ pcolormesh ฉันมีedgecolors = 'w'แต่ขอบยังคงเป็นสีน้ำเงิน เกิดอะไรขึ้นที่นั่น?

แก้ไข:คำตอบเริ่มต้นของ JohanC โดยใช้ add_iso_line () ใช้ได้กับคำถามตามที่วางไว้ อย่างไรก็ตามข้อมูลจริงที่ฉันใช้เป็นเส้นตาราง x, y ที่ผิดปกติมากซึ่งไม่สามารถแปลงเป็น 1D ได้ (ตามความจำเป็นสำหรับadd_iso_line().

ฉันใช้ข้อมูลที่แปลงจากพิกัดเชิงขั้ว (rho, phi) เป็นคาร์ทีเซียน (x, y) โซลูชัน 2D ที่วางโดย JohanC ดูเหมือนจะไม่ทำงานในกรณีต่อไปนี้:

import numpy as np
import matplotlib.pyplot as plt
from scipy import ndimage

def pol2cart(rho, phi):
    x = rho * np.cos(phi)
    y = rho * np.sin(phi)
    return(x, y)

phi = np.linspace(0,2*np.pi,30)
rho = np.linspace(0,2,30)

pp, rr = np.meshgrid(phi,rho)

xx,yy = pol2cart(rr, pp)

z = np.sin(xx**2 + yy**2)

scale = 5
zz = ndimage.zoom(z, scale, order=0)

fig,ax = plt.subplots()
ax.pcolormesh(xx,yy,z[:-1, :-1])

xlim = ax.get_xlim()
ylim = ax.get_ylim()
xmin, xmax = xx.min(), xx.max()
ymin, ymax = yy.min(), yy.max()
ax.contour(np.linspace(xmin,xmax, zz.shape[1]) + (xmax-xmin)/z.shape[1]/2,
           np.linspace(ymin,ymax, zz.shape[0]) + (ymax-ymin)/z.shape[0]/2,
           np.where(zz < 0.9, 0, 1), levels=[0.5], colors='red')
ax.set_xlim(*xlim)
ax.set_ylim(*ylim)

Answer 1

โพสต์นี้แสดงวิธีการวาดเส้นดังกล่าว เนื่องจากไม่ตรงไปตรงมาที่จะปรับให้เข้ากับปัจจุบันpcolormeshรหัสต่อไปนี้จึงแสดงให้เห็นถึงการปรับตัวที่เป็นไปได้ โปรดทราบว่าเวอร์ชัน 2d ของ x และ y ถูกเปลี่ยนชื่อแล้วเนื่องจากเวอร์ชัน 1d จำเป็นสำหรับส่วนของบรรทัด

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection

x = np.linspace(-np.pi / 2, np.pi / 2, 30)
y = np.linspace(-np.pi / 2, np.pi / 2, 30)
xx, yy = np.meshgrid(x, y)

z = np.sin(xx ** 2 + yy ** 2)[:-1, :-1]

fig, ax = plt.subplots()
ax.pcolormesh(x, y, z)

def add_iso_line(ax, value, color):
    v = np.diff(z > value, axis=1)
    h = np.diff(z > value, axis=0)

    l = np.argwhere(v.T)
    vlines = np.array(list(zip(np.stack((x[l[:, 0] + 1], y[l[:, 1]])).T,
                               np.stack((x[l[:, 0] + 1], y[l[:, 1] + 1])).T)))
    l = np.argwhere(h.T)
    hlines = np.array(list(zip(np.stack((x[l[:, 0]], y[l[:, 1] + 1])).T,
                               np.stack((x[l[:, 0] + 1], y[l[:, 1] + 1])).T)))
    lines = np.vstack((vlines, hlines))
    ax.add_collection(LineCollection(lines, lw=1, colors=color))

add_iso_line(ax, 0.9, 'r')
plt.show()

นี่คือการปรับเปลี่ยนคำตอบที่สองซึ่งสามารถใช้ได้กับอาร์เรย์ 2d เท่านั้น:

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
from scipy import ndimage

x = np.linspace(-np.pi / 2, np.pi / 2, 30)
y = np.linspace(-np.pi / 2, np.pi / 2, 30)
x, y = np.meshgrid(x, y)

z = np.sin(x ** 2 + y ** 2)

scale = 5
zz = ndimage.zoom(z, scale, order=0)

fig, ax = plt.subplots()
ax.pcolormesh(x, y,  z[:-1, :-1] )
xlim = ax.get_xlim()
ylim = ax.get_ylim()
xmin, xmax = x.min(), x.max()
ymin, ymax = y.min(), y.max()
ax.contour(np.linspace(xmin,xmax, zz.shape[1]) + (xmax-xmin)/z.shape[1]/2,
           np.linspace(ymin,ymax, zz.shape[0]) + (ymax-ymin)/z.shape[0]/2,
           np.where(zz < 0.9, 0, 1), levels=[0.5], colors='red')
ax.set_xlim(*xlim)
ax.set_ylim(*ylim)
plt.show()

Answer 2

ฉันจะพยายามปรับเปลี่ยนadd_iso_lineวิธีการเพื่อให้ชัดเจนยิ่งขึ้นเพื่อเปิดกว้างสำหรับการเพิ่มประสิทธิภาพ ดังนั้นในตอนแรกมีส่วนที่ต้องทำ:

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection

x = np.linspace(-np.pi/2, np.pi/2, 30)
y = np.linspace(-np.pi/2, np.pi/2, 30)
x, y = np.meshgrid(x,y)
z = np.sin(x**2+y**2)[:-1,:-1]

fig, ax = plt.subplots()
ax.pcolormesh(x,y,z)
xlim, ylim = ax.get_xlim(), ax.get_ylim()
highlight = (z > 0.9)

ตอนนี้highlightเป็นอาร์เรย์ไบนารีที่มีลักษณะดังนี้:

หลังจากนั้นเราสามารถแยกดัชนีของเซลล์ True ค้นหาย่านที่เป็นเท็จและระบุตำแหน่งของเส้น 'สีแดง' ฉันไม่สบายใจพอที่จะทำในลักษณะเวกเตอร์ (เช่นที่นี่ในadd_iso_lineวิธีการ) ดังนั้นเพียงใช้การวนซ้ำง่ายๆ

lines = []
cells = zip(*np.where(highlight))
for x, y in cells:
    if x == 0 or highlight[x - 1, y] == 0: lines.append(([x, y], [x, y + 1]))
    if x == highlight.shape[0] or highlight[x + 1, y] == 0: lines.append(([x + 1, y], [x + 1, y + 1]))
    if y == 0 or highlight[x, y - 1] == 0: lines.append(([x, y], [x + 1, y]))
    if y == highlight.shape[1] or highlight[x, y + 1] == 0: lines.append(([x, y + 1], [x + 1, y + 1]))

และในที่สุดฉันก็ปรับขนาดและจัดกึ่งกลางของเส้นเพื่อให้พอดีกับ pcolormesh:

lines = (np.array(lines) / highlight.shape - [0.5, 0.5]) * [xlim[1] - xlim[0], ylim[1] - ylim[0]]
ax.add_collection(LineCollection(lines, colors='r'))
plt.show()

สรุปได้ว่านี่คล้ายกับโซลูชันของ JohanC มากและโดยทั่วไปช้ากว่า โชคดีที่เราสามารถลดจำนวนลงได้มากcellsโดยการดึงรูปทรงโดยใช้python-opencvแพ็คเกจเท่านั้น

import cv2
highlight = highlight.astype(np.uint8)
contours, hierarchy = cv2.findContours(highlight, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cells = np.vstack(contours).squeeze()

นี่คือภาพประกอบของเซลล์ที่กำลังตรวจสอบ: