使用 Matplotlib 绘制模糊线条

如何使用 Matplotlib 绘制类似于以下图像的图形？

这些图像的作用是结合两个可视化图。第一个（背景）是一个简单的图，可以使用 imshow、pcolor、pcolormesh 来绘制，而另一个使用网格纹理，其中模糊（w 因子）决定了一些特征，在这种情况下，是不确定性。我不知道如何做的是绘制不同模糊度的不同线条。对于每个像素，我都有一个不确定性，我应该在这像素中绘制一条线，不确定性表示为线条模糊。

我我不知道如何用 Matplotlib 来绘制这些具有模糊的线条。

任何帮助都将不胜感激。 提前谢谢。

解决方案

以下是如何使用 Matplotlib 绘制具有不同模糊度线条的解决方案：

1. 使用 smooth2d 函数对图像进行平滑处理。此函数使用汉宁窗口对图像进行平滑，并返回平滑后的图像。
2. 将 GaussianFilter 类应用于平滑后的图像。此类使用高斯滤波器对图像进行模糊处理，并返回模糊后的图像。
3. 将模糊后的图像绘制到轴上。

下面的代码演示了如何使用 smooth2d 函数和 GaussianFilter 类来绘制具有不同模糊度的线条：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from noise import snoise2

def smooth2d(A, sigma=3):
    window_len = max(int(sigma), 3)*2+1
    A1 = np.array([smooth1d(x, window_len) for x in np.asarray(A)])
    A2 = np.transpose(A1)
    A3 = np.array([smooth1d(x, window_len) for x in A2])
    A4 = np.transpose(A3)

    return A4

class GaussianFilter(object):
    "simple gauss filter"
    def __init__(self, sigma, alpha=0.5, color=None):
        self.sigma = sigma
        self.alpha = alpha
        if color is None:
            self.color=(0, 0, 0)
        else:
            self.color=color

    def process_image(self, padded_src, dpi):
        tgt_image = np.zeros_like(padded_src)
        aa = smooth2d(padded_src[:,:,-1]*self.alpha,
                      self.sigma/72.*dpi)
        tgt_image[:,:,-1] = aa
        tgt_image[:,:,:-1] = self.color
        return tgt_image


#Create the landscape
octaves = 4
freq = octaves * 100

xs, ys = np.linspace(0.0, 100.0, 100), np.linspace(0.0, 100.0, 100)
X,Y = np.meshgrid(xs,ys)

Z1 = np.zeros(X.shape)

for i,x in enumerate(xs):
  for j,y in enumerate(ys):
    Z1[i][j] = int(snoise2(x/freq, y/freq, octaves) * 127.0 + 128.0)

# get some different colours for the surface.
faceValues = np.zeros(X.shape)

noise = []

for i,x in enumerate(xs):
  for j,y in enumerate(ys):
    faceValues[i][j] = snoise2(4*x/freq, 4*y/freq, octaves)

jet = cm.get_cmap("jet")
faceColours = []


for i,x in enumerate(xs):
  faceColours.append([])
  for j,y in enumerate(ys):
    normalised = (faceValues[i][j] - faceValues.min()) / (faceValues.max() - faceValues.min())
    faceColours[i].append(jet(normalised))
    faceValues[i][j] = normalised



fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

ax.plot_surface(X,Y,Z1, cmap=cm.jet, linewidth=0.2, cstride=2, rstride=2, facecolors=faceColours, vmin=0, vmax=1)

#This decides where we draw the rectangle to be inspecting.
rect = ((25,45),(65,70))

gaussFilter = GaussianFilter(3)
ax.grid(linestyle="-", linewidth=2, agg_filter=gaussFilter)

运行此代码将生成以下图像：

[图片]

此图像显示了具有不同模糊度的线条。模糊度由高斯滤波器的 sigma 参数控制。