将XYZ点云转换为灰度图像。

Question

大家好，我正在尝试使用Python将点云（X，Y，Z）转换为灰度图像。我了解到可以通过NumPy数组生成灰度图像。但是现在我手头拥有的是一组包含X、Y和高度信息的点集。我想根据X、Y和灰度值（即高度）生成灰度图像。

是否有人能够给我提供一些思路？谢谢！

Rowen

- Yun Zhao

---

你的点存储在哪种格式中？ - filippo

@filippo 我有一个 Pandas 数据框，其维度为 X、Y 和 Height，可以很容易地转换为灰度级别。 实际上，这个数据框是通过 pdal 软件包从 las 文件生成的。 - Yun Zhao

点是否均匀分布在所有的x，y空间上？类似于一个表面吗？还是它们是分散的？如果是后者，我会使用高度为颜色的散点图。 - filippo

你可能需要查看scipy.interpolate。使用这个模块，你可以构建一个插值2D函数。在像素坐标处评估这个函数将给你灰度图像。 - Paul Panzer

你的点云的X,Y坐标是否按照网格布局排列？如果是，那么Matplotlib中的pcolormesh绘图函数将非常适合你的用例。请参考链接。 - tel

Answer 1

谢谢大家。我刚刚完成了自己编写插值代码的工作。但我的想法来自你们的建议。感谢@asaflotz和@Paul Panzer。

问题是在我的场景中，点云中的点没有很好地排列。相邻两个点之间的间隔不均匀。不能直接使用网格。因此，我选择了Scipy.Interpolate中的非结构化方法，它有许多实用的方法可以根据不同的用例使用。下面的代码是Scipy.Interpolate.griddata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，在griddata中，根据您的场景可以应用诸如'linear'，'nearest'，'cubic'之类的方法。这是生成的灰度高程图像。 最后，我的问题基本上已经解决。如果您有任何好想法或疑问，请在评论中发表。感谢所有人！

罗文

- Yun Zhao

Answer 2

假设X和Y被排列成网格状（这是构建矩形图像所必需的）。从那里开始，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)

- YoniChechik

---

谢谢您的想法。我按照您的想法解决了我的问题。--Rowen - Yun Zhao