Python 如何向某些图像添加数据驱动的基于位置的热图？

我想获取一个特定非地理位置的病毒传播事件率的现有数据集，并根据一组坐标创建热图，我将为基础图像提供热图

为了做到这一点，我将拍摄一个站点的现有图像，例如下面的浣熊城：

在这一点上，我想在某些区域（如市中心、浣熊公园、城市浣熊学院）的人数增加时，在上面叠加一个类似于此的热图：

我查看了各种库，包括OpenCV和Pillow，但还没有找到合适的解决方案。我一直看到对

heatmap.py

的引用，但它似乎完全不受欢迎；我无法用

pip

安装它

如果需要，我可以链接到虚拟数据集

谢谢你的关注！这可能会让我们免于即将到来的僵尸世界末日（，º-°）。

假设您在某个NumPy数组中存储了2D（僵尸攻击）数据，我将使用标准化数据生成热图，参见。然后，我将热图与（浣熊城）图像混合。因此，在colormap中也有一些alpha透明度会很好，cf

下面是一些代码：

导入cv2
从matplotlib.colors导入ListedColormap#自定义colormap所需
从matplotlib.pyplot import cm，将热图所需的#规格化
将numpy作为np导入
从scipy.stats导入模型数据所需的多变量正常值
#读取图像
image=cv2.imread（'R42nH.jpg'）
#生成模型数据
h、 w=图像.形状[：2]
x=np.arange（w）
y=np.arange（h）
十、 Y=np.meshgrid（X，Y）
位置=np.dstack（X，Y））
mus=[[200100]、[300400]、[500150]]
covs=[[300155]，[175550]，[400，-100]，[40250]，[15010]，[35200]]
僵尸=np.0（（h，w），np.64）
对于邮政编码中的mu、cov（mus、cov）：
rv=多元正态分布（μ，cov）
Z=rv.pdf（pos）
僵尸+=Z/np.max（Z）
僵尸/=np.max（僵尸）
#使用alpha通道生成自定义颜色贴图，
#比照。https://stackoverflow.com/a/37334212/11089932
cmap=cm.r
c_cmap=cmap（np.arange（cmap.N））
c_cmap[：，-1]=np.linspace（0，1，cmap.N）
c_cmap=列表颜色映射（c_cmap）
#生成热图，cf。https://stackoverflow.com/a/31546410/11089932
norm=Normalize（vmin=zombies.min（），vmax=zombies.max（））
热图=c_cmap（正常（僵尸））
#将图像与热图混合
热图=cv2.CVT颜色（np.uint8（热图*255），cv2.COLOR_RGBA2BGRA）
阿尔法=热图[…，3]/255
alpha=np.tile（np.expand_dims（alpha，axis=2），[1,1,3]）
输出=（图像*（1-alpha）+热图[…，：3]*alpha）.aType（np.uint8）
#输出
cv2.imshow（“僵尸攻击”，输出）
cv2.等待键（0）
cv2.destroyAllWindows（）

热图如下所示：

最终输出如下所示：

请检查，您是否可以将数据提供给该管道，以及结果是否符合您的想法

如果您还希望即使对于较低的（僵尸攻击）数量也具有“显著”颜色，则整个颜色贴图上的线性alpha透明度可能没有那么大的好处。然后手动调整alpha透明度

----------------------------------------
系统信息
----------------------------------------
平台：Windows-10-10.0.16299-SP0
Python:3.9.1
皮查姆：2021.1
Matplotlib:3.4.1
NumPy:1.20.2
OpenCV:4.5.1
SciPy:1.6.2
----------------------------------------

假设您在某个NumPy数组中存储了2D（僵尸攻击）数据，我将使用该数据从规范化数据生成热图，参见。然后，我将热图与（浣熊城）图像混合。因此，在colormap中也有一些alpha透明度会很好，cf

下面是一些代码：

导入cv2
从matplotlib.colors导入ListedColormap#自定义colormap所需
从matplotlib.pyplot import cm，将热图所需的#规格化
将numpy作为np导入
从scipy.stats导入模型数据所需的多变量正常值
#读取图像
image=cv2.imread（'R42nH.jpg'）
#生成模型数据
h、 w=图像.形状[：2]
x=np.arange（w）
y=np.arange（h）
十、 Y=np.meshgrid（X，Y）
位置=np.dstack（X，Y））
mus=[[200100]、[300400]、[500150]]
covs=[[300155]，[175550]，[400，-100]，[40250]，[15010]，[35200]]
僵尸=np.0（（h，w），np.64）
对于邮政编码中的mu、cov（mus、cov）：
rv=多元正态分布（μ，cov）
Z=rv.pdf（pos）
僵尸+=Z/np.max（Z）
僵尸/=np.max（僵尸）
#使用alpha通道生成自定义颜色贴图，
#比照。https://stackoverflow.com/a/37334212/11089932
cmap=cm.r
c_cmap=cmap（np.arange（cmap.N））
c_cmap[：，-1]=np.linspace（0，1，cmap.N）
c_cmap=列表颜色映射（c_cmap）
#生成热图，cf。https://stackoverflow.com/a/31546410/11089932
norm=Normalize（vmin=zombies.min（），vmax=zombies.max（））
热图=c_cmap（正常（僵尸））
#将图像与热图混合
热图=cv2.CVT颜色（np.uint8（热图*255），cv2.COLOR_RGBA2BGRA）
阿尔法=热图[…，3]/255
alpha=np.tile（np.expand_dims（alpha，axis=2），[1,1,3]）
输出=（图像*（1-alpha）+热图[…，：3]*alpha）.aType（np.uint8）
#输出
cv2.imshow（“僵尸攻击”，输出）
cv2.等待键（0）
cv2.destroyAllWindows（）

热图如下所示：

最终输出如下所示：

请检查，您是否可以将数据提供给该管道，以及结果是否符合您的想法

如果您还希望即使对于较低的（僵尸攻击）数量也具有“显著”颜色，则整个颜色贴图上的线性alpha透明度可能没有那么大的好处。然后手动调整alpha透明度

----------------------------------------
系统信息
----------------------------------------
平台：Windows-10-10.0.16299-SP0
Python:3.9.1
皮查姆：2021.1
Matplotlib:3.4.1
NumPy:1.20.2
OpenCV:4.5.1
SciPy:1.6.2
----------------