使用matplotlib滚动重叠的三维图像的二维切片

Question

我有一段代码，它非常适合滚动3D numpy数组的2D切片。

import matplotlib.pyplot as plt
import numpy as np

class IndexTracker(object):
def __init__(self, ax, X):
self.ax = ax
ax.set_title('use scroll wheel to navigate images')
self.X = X
rows, cols, self.slices = X.shape
self.ind = self.slices // 2
self.im = ax.imshow(self.X[:, :, self.ind], cmap="gray")
self.update()
def onscroll(self, event):
print("%s %s" % (event.button, event.step))
if event.button == 'up':
self.ind = (self.ind + 1) % self.slices
else:
self.ind = (self.ind - 1) % self.slices
self.update()
def update(self):
self.im.set_data(self.X[:, :, self.ind])
self.ax.set_ylabel('slice %s' % self.ind)
self.im.axes.figure.canvas.draw()

def plot3d(image):
fig, ax = plt.subplots(1, 1)
tracker = IndexTracker(ax, image)
fig.canvas.mpl_connect('scroll_event', tracker.onscroll)
plt.show()

if __name__ == "__main__":
img = np.array([[[0, 0, 0], [0, 1, 0], [0, 0, 0]],
[[0, 0, 0], [1, 1, 1], [0, 0, 0]],
[[0, 0, 0], [0, 1, 0], [0, 0, 0]]])
plot3d(img)

我希望拥有相同的功能，但同时滚动两个大小相等的3D numpy数组。其中一个阵列的显示应具有一定的不透明度和不同的配色方案，因此可以同时检查两个阵列。对于2D切片，无需滚动即可轻松实现：

img1 = np.array([[[0, 0, 0], [0, 1, 0], [0, 0, 0]],
[[0, 0, 0], [1, 1, 1], [0, 0, 0]],
[[0, 0, 0], [0, 1, 0], [0, 0, 0]]])
img2 = np.array([[[0, 0, 0], [0, 1, 0], [0, 0, 0]],
[[0, 1, 0], [0, 1, 0], [0, 1, 0]],
[[0, 0, 0], [0, 1, 0], [0, 0, 0]]])
plt.imshow(img1[:, :, 1], cmap="gray")
plt.imshow(img2[:, :, 1], cmap="jet", alpha=0.25)
plt.show()

我尝试扩展IndexTracker类以接受第二个3D阵列，并使用imshow((显示每个卷(具有相同索引(的一个切片。此外，还打算使用set_data((更新每个滚动事件上显示的图像。然而，这并没有成功。

import numpy as np
import matplotlib.pyplot as plt

class IndexTracker(object):
def __init__(self, ax, X, Y):
self.ax = ax
self.X = X
self.Y = Y
_, _, self.slices = X.shape
self.ind = self.slices // 2
self.im = ax.imshow(self.X[:, :, self.ind], cmap="gray")
self.im = ax.imshow(self.Y[:, :, self.ind], cmap="jet", alpha=0.25)
self.update()
def onscroll(self, event):
print("%s %s" % (event.button, event.step))
if event.button == 'up':
self.ind = (self.ind + 1) % self.slices
else:
self.ind = (self.ind - 1) % self.slices
self.update()
def update(self):
self.im.set_data(self.X[:, :, self.ind])
self.im.set_data(self.Y[:, :, self.ind])
self.ax.set_ylabel('slice %s' % self.ind)
self.im.axes.figure.canvas.draw()

def plot3d(image1, image2):
image1 = np.rot90(image1, k=-1)
image2 = np.rot90(image2, k=-1)
fig, ax = plt.subplots(1, 1)
tracker = IndexTracker(ax, image1, image2)
fig.canvas.mpl_connect('scroll_event', tracker.onscroll)
plt.show()

if __name__ == "__main__":
img1 = np.array([[[0, 0, 0], [0, 1, 0], [0, 0, 0]],
[[0, 0, 0], [1, 1, 1], [0, 0, 0]],
[[0, 0, 0], [0, 1, 0], [0, 0, 0]]])
img2 = np.array([[[0, 0, 0], [0, 1, 0], [0, 0, 0]],
[[0, 1, 0], [0, 1, 0], [0, 1, 0]],
[[0, 0, 0], [0, 1, 0], [0, 0, 0]]])
plot3d(img1, img2)

你知道如何使用matplotlib解决给定的问题吗？理想情况下，通过扩展包含IndexTracker类的第一个代码片段。

编辑：添加第二个图像作为plot3d((调用的参数

Answer 1

如果您分别跟踪两个Axes.imshow对象(由plt.imshow返回(，那么matplotlib将为您处理图像的分层。然后，您可以分别对其中的每一个使用set_data。这样做时，您需要为每个图像保持相同的颜色映射和alpha值，您可以使用im.to_rgba和im.get_alpha的组合来实现这一点。以下是你需要对你的课程进行的修改，以完成这项工作：

class IndexTracker(object):
def __init__(self, ax, X, Y):
...
self.im1 = ax.imshow(self.X[:, :, self.ind], cmap="gray")
self.im2 = ax.imshow(self.Y[:, :, self.ind], cmap="jet", alpha=.25)

...

def update(self):
im1_data = self.im1.to_rgba(self.X[:, :, self.ind], alpha=self.im1.get_alpha())
im2_data = self.im2.to_rgba(self.Y[:, :, self.ind], alpha=self.im2.get_alpha())
self.im1.set_data(im1_data)
self.im2.set_data(im2_data)
...