使用numpy生成彩色图像渐变

Question

我写了一个函数，可以生成两个有颜色的图像块：

def generate_block():
    x = np.ones((50, 50, 3))
    x[:,:,0:3] = np.random.uniform(0, 1, (3,))
    show_image(x)

    y = np.ones((50, 50, 3))
    y[:, :, 0:3] = np.random.uniform(0, 1, (3,))
    show_image(y)

我希望将这两种颜色组合成渐变色，也就是一张图片从一种颜色渐变到另一种颜色。但我不知道该如何继续，有什么建议吗？我可以使用np.linspace()生成一个一维数组的步数，但之后呢？

- Boa

---

你能否将输出描述为一张图片？ - ZdaR

“一张图片从一种颜色变成另一种颜色”是什么意思？ - P. Camilleri

还有，show_image() 是什么？ - P. Camilleri

当然，@P.Camilleri。图片应该以纯色开始，例如在图像的顶部是红色，随着你向下看，颜色逐渐淡化并缓慢变成另一种颜色，例如蓝色。快速的谷歌搜索返回了这个链接：https://www.google.co.uk/search?q=gcolour+gradient&espv=2&biw=1920&bih=925&source=lnms&tbm=isch&sa=X&ved=0ahUKEwjJtdnIrKjQAhViLsAKHZ7FBeIQ_AUIBigB#imgrc=uugXHrVp1HrN5M%3A。谢谢。 - Boa

据我所知，@P.Camilleri的show_image()函数将数组条目显示为像素，即一个填充了零的5x5数组通过show_image()将呈现为黑色正方形，如果这些值是1而不是0，则会呈现为白色正方形。 - Boa

如果这是一个自定义函数，请在您的问题中包含代码，以便其他用户能够测试您的代码。更好的方式是替换内建函数，例如plt.imshow()。 - P. Camilleri

Answer 1

这是您正在寻找的吗？

def generate_block():
    x = np.ones((50, 50, 3))
    x[:, :, 0:3] = np.random.uniform(0, 1, (3,))
    plt.imshow(x)
    plt.figure() 

    y = np.ones((50, 50, 3))
    y[:,:,0:3] = np.random.uniform(0, 1, (3,))
    plt.imshow(y)

    plt.figure()
    c = np.linspace(0, 1, 50)[:, None, None]
    gradient = x + (y - x) * c
    plt.imshow(gradient)
    return x, y, gradient

根据你的建议，我使用了 np.linspace，它是numpy中非常强大的广播工具; 在这里了解更多。

c = np.linspace(0, 1, 50)创建一个形状为(50,)的数组，其中包含50个从0到1均匀间隔的数字。添加[:, None, None]将此数组变为三维形状，形状为(50, 1, 1)。在(x - y) * c中使用它时，由于x-y是(50, 50, 3)，因此最后两个维度会发生广播。c被视为一个我们称为d的数组，其形状为(50, 50, 3)，使得对于范围内的i，d[i, :, :]是一个形状为(50, 3)，填充有c[i]的数组。

因此，梯度的第一行是x[0,：,:] + c[0] *（x[0,：，：] - y [0,：，：]），它只是x[0,：，：]。 第二行是x[1,：,:] + c[1] *（x[1,：，：] - y [1,：，：]），以此类推。第 i 行是x [i]和y[i]的重心，系数为1-c[i]和c[i]

您可以在c的定义中使用[None,:,None]进行逐列变化。

- P. Camilleri

---

是的，这正是我正在寻找的内容！如果您可以，请解释一下c = np.linspace(0, 1, 50)[:, None, None]和gradient = x + (y - x) * c的作用？对于梯度而言，看起来您正在计算两个数组之间的差异，将其乘以步长然后添加到第一个颜色块中，为什么会有效呢？ - Boa

另外，是否有可能以某种方式使用 np.outer(x,y) 来获取外积并将其用于显示所需的输出？ - Boa

@Boa 我不明白在这里如何使用x和y的外积。 外积仍然可以用于不同数组之间。 - P. Camilleri

感谢您的解释，显然可以使用np.outer来实现，方法是使用gradient = np.outer(np.linspace(0,1,50),np.ones((50,))).reshape(50,50,1)。 - Boa

@Boa 很高兴知道。请像PEP8建议的那样在逗号后面添加一个空格 :) - P. Camilleri

Answer 2

感谢P. Camilleri提供的出色答案。我添加了一列变化的示例，生成大小为(HEIGHT_LIMIT, WIDTH_LIMIT)的图像，使用给定的RGB值和。最后，我将其转换为可以保存的图像。

WIDTH_LIMIT = 3200
HEIGHT_LIMIT = 4800
def generate_grad_image(rgb_color=(100,120,140)): # Example value
    x = np.ones((HEIGHT_LIMIT, WIDTH_LIMIT, 3)) 
    x[:, :, 0:3] = rgb_color
    y = np.ones((HEIGHT_LIMIT, WIDTH_LIMIT, 3))
    y[:,:,0:3] = [min(40 + color, 255) for color in rgb_color]
    c = np.linspace(0, 1, WIDTH_LIMIT)[None,:, None]
    gradient = x + (y - x) * c
    im = Image.fromarray(np.uint8(gradient))
    return im

示例输出：

- Gil Gvirts