Python 在AxeImage系列中添加每个像素

我目前正在尝试使用python为给定的图像数据系列创建颜色图。在使用了一个名为Powderday的软件之后，我在存储器中（在我在代码第18行调用的名为“merge.070.new.rtout.image”的文件中）存储了一系列大约35幅图像，每幅图像都包含某个星系合并的特定波长的通量信息。我想通过这些图像中的每一个循环，创建一个最终的图像，基本上是这些图像中的每一个的叠加，这样我就可以在一个图像中有一系列的波长，而不是几个单波长的图像

要做到这一点，我想循环浏览每幅图像，将波长贴图保存在最终图像中，并继续向最终图像添加后续图像。唯一的问题是，每次我找到单波长图像时，我都会得到一个AxeImage，据我所知，它没有与另一个图像合并的功能。到目前为止，我在网上发现，最好的解决方案是从图像创建一个numpy数组，但我也找不到matplotlib.image中的get_image函数是否接受AxesImage参数，以便将其转换为这样的数组。我的代码如下

重要的行在：42-45，我试图初始化finalImg，以便在循环中“迭代”它；47-61在这里，我对每个图像进行迭代

另请注意：我正在读取的B_Johnson和B_thruput文件包含关于我在.image文件中拥有哪些波长的信息，以及相应的吞吐量。这是因为我想用每个波长的通量乘以它的吞吐量，以便正确地模拟实际的滤波器

希望这些信息能为这个问题提供一个良好的背景！我对python还是很陌生。将所有这些图像相加的最佳方法是什么

import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from hyperion.model import ModelOutput
from astropy.cosmology import Planck13
import astropy.units as u


# ------------------------
# modifiable header
# ------------------------

filters = np.loadtxt('B_Johnson.txt')
thru = np.loadtxt('B_thruput.txt', dtype='double')

第18行： 第42行： 循环中的第47-61行：

---

首先，不能将Matplotlib AxeImage加载到NumPy数组中

我不在您的字段中，但基于for

ModelOutput.get\u image（）

我相信

get\u image（）

会从您的代码中以NumPy数组的形式返回图像数据：

image = m.get_image(distance=distance, units='mJy')

查看

类型（图像）

以验证这一点。如果我是正确的，您应该看到

numpy.ndarray

如果是这种情况，那么

finalImg=mpimg.imread（cax）

是多余的…您已经在

image

变量中将图像作为NumPy数组加载

现在，如果您希望将数据作为单独的通道加载到单个ndarray对象中，则可以在

get_image（）

中完成。打印

image.ndim

应显示

3

（您有一个三维图像阵列），其

img.shape

为

（y轴长度、x轴长度、通道数）

根据你提问的措辞，我认为你想通过获取每个通道中的强度总和，将这些通道组合成每个像素的单个强度值。此操作将生成形状

（y\u轴长度，x\u轴长度）

的二维灰度图像。为了理解我的意思，请考虑我为你起草的以下例子：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.cbook import get_sample_data

# load example image file
image_file = get_sample_data("grace_hopper.png", asfileobj=True)

# read example image file to NumPy array
image_array = plt.imread(image_file)

# show `image_array` as color (RGB) image
fig = plt.figure()
plt.imshow(image_array)
plt.tight_layout()
plt.axis('off') # turns off x and y-axis ticks
plt.show()

---

谢谢！有没有一种方法可以创建一个空数组而不保存任何颜色信息？或者我只是用for循环外的第一个图像初始化它，然后在循环内添加到它？没关系！我可以用np.empty_喜欢，刚刚找到。没问题！是的，np.empty_like将为您初始化一个空数组。我在这个例子中使用了np.zeros_，它返回一个填充了零的数组。我刚刚检查过，我的图像对象实际上是一个Hyperion.model.image.image对象。我将尝试找到一种方法将其转换为numpy数组。那么这行

image=m.get\u image（distance=distance，units='mJy'）

返回一个Hyperion.model.image.image对象？回顾一下

get_image（）

的文档，它实际上应该返回三个numpy数组。我不理解输出的术语，但是您的Hyperion.model.image.image对象可能将该数据存储在它的一个数据库中。打印

类型（image.wav）

会给你一个NumPy数组吗？

for idx, fil in enumerate(filters):
    wav = fil

    #find nearest wavelength
    iwav = np.argmin(np.abs(wav - image.wav))

    #find the throughput to multiply found flux by throughput
    throughput = thru[idx]

    #plot the beast

    cax = ax.imshow((image.val[0,:, :, iwav])*throughput,
                    cmap = plt.cm.spectral, origin='lower', extent=[-w.value, w.value, -w.value, w.value])

    finalImg += mpimg.imread(cax)

    plt.xlim([-image_width,image_width])
    plt.ylim([-image_width,image_width])


# Finalize the plot
ax.tick_params(axis='both', which='major', labelsize=10)
ax.set_xlabel('x kpc')
ax.set_ylabel('y kpc')

plt.colorbar(cax,label='Flux (mJy)',format='%.0e')

fig.savefig('pd_image_bj.png', bbox_inches='tight',dpi=150)

image = m.get_image(distance=distance, units='mJy')

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.cbook import get_sample_data

# load example image file
image_file = get_sample_data("grace_hopper.png", asfileobj=True)

# read example image file to NumPy array
image_array = plt.imread(image_file)

# show `image_array` as color (RGB) image
fig = plt.figure()
plt.imshow(image_array)
plt.tight_layout()
plt.axis('off') # turns off x and y-axis ticks
plt.show()

# since the image is color (RGB), slice into individual channels
# to illustrate adding image arrays
c1 = image_array[:, :, 0]
c2 = image_array[:, :, 1]
c3 = image_array[:, :, 2]

# define empty array with same shape as one image slice
# this will become the final image result
new_array = np.zeros_like(c1)

# visualize empty array
fig0 = plt.figure()
plt.imshow(new_array, cmap='gray')
plt.tight_layout()
plt.axis('off')
plt.show()

# visualize distinct image slices (RGB image has three color channels)
# one at a time to illustrate differences between images
fig1, ax = plt.subplots(nrows=1, ncols=3)
for img, a in zip([c1, c2, c3], ax):
    a.imshow(img, cmap='gray')
    a.axis('off')

    # iteratively add image slices to `new_array`
    # while we are iterating over the slices
    new_array += img

plt.tight_layout()
plt.show()

# visualize end result of iteratively adding image slices to `new_array`
fig2 = plt.figure()
plt.imshow(new_array, cmap='gray')
plt.axis('off')
plt.tight_layout()
plt.show()