如何解码matplotlib的Colormap中的颜色映射？

Question

我知道如何映射一个数字到颜色从这篇文章：Map values to colors in matplotlib

但我不知道如何解码映射得到我的原始颜色，假设这是一对一的映射，其中它一定是我的身影。

我为可视化目的编码图像，但我需要能够解码它并读取原始数据值。

仅供参考，这里有色彩图文档：http://matplotlib.org/api/cm_api.html

这里是我的尝试下面的主要答复，这仍然不工作的权利。

from PIL import Image 
import numpy as np 
import matplotlib 
import matplotlib.cm as cm 
values = [670, 894, 582, 103, 786, 348, 972, 718, 356, 692] 
minima = 103 
maxima = 972 
norm = matplotlib.colors.Normalize(vmin=minima, vmax=maxima, clip=True) 
mapper = cm.ScalarMappable(norm=norm, cmap=cm.gist_rainbow_r) 
c = [] 
for i in range(10): 
    c.append(mapper.to_rgba(values[i], bytes=True)) 
print(c) # [(75, 255, 0, 255), (255, 77, 0, 255), (0, 255, 64, 255), (255, 0, 191, 255), (255, 250, 0, 255), (0, 72, 255, 255), (255, 0, 40, 255), (151, 255, 0, 255), (0, 83, 255, 255), (108, 255, 0, 255)] 

def get_value_from_cm(color, cmap, colrange): 
    # color = matplotlib.colors.to_rgba(color) 
    r = np.linspace(colrange[0], colrange[1], 10) # there are 10 values 
    norm = matplotlib.colors.Normalize(colrange[0], colrange[1]) 
    mapvals = cmap(norm(r))[:, :4] # there are 4 channels: r,g,b,a 
    distance = np.sum((mapvals - color) ** 2, axis=1) 
    return r[np.argmin(distance)] 

decoded_colors = [] 
for i in range(10): 
    decoded_colors.append(get_value_from_cm(c[i], cm.gist_rainbow_r, colrange=[minima, maxima])) 
print(decoded_colors) # [778.88888888888891, 778.88888888888891, 489.22222222222223, 103.0, 778.88888888888891, 392.66666666666669, 103.0, 778.88888888888891, 392.66666666666669, 778.88888888888891] 

Answer 1

反相的colormapping是可能的，如果
（a）您知道的数据范围是映射和
（b）中，如果你知道，如果已经使用了颜色表，并
（c）中颜色映射是明确的。

以下函数将返回给定颜色，颜色映射和使用颜色映射的范围的值。

import numpy as np 
import matplotlib.colors 
import matplotlib.pyplot as plt 

def get_value_from_cm(color, cmap, colrange=[0.,1.]): 
    color=matplotlib.colors.to_rgb(color) 
    r = np.linspace(colrange[0],colrange[1], 256) 
    norm = matplotlib.colors.Normalize(colrange[0],colrange[1]) 
    mapvals = cmap(norm(r))[:,:3] 
    distance = np.sum((mapvals - color)**2, axis=1) 
    return r[np.argmin(distance)] 


b = get_value_from_cm(plt.cm.coolwarm(0.5), plt.cm.coolwarm, [0.,1.]) 
c = get_value_from_cm(np.array([1,0,0]), plt.cm.coolwarm) 

print b     # 0.501960784314 
print plt.cm.coolwarm(b) 
# (0.86742763508627452, 0.86437659977254899, 0.86260246201960789, 1.0) 
print plt.cm.coolwarm(0.5) 
#(0.86742763508627452, 0.86437659977254899, 0.86260246201960789, 1.0) 

注意，此方法中包含错误的，所以你只能得到从最初被用来创建从地图颜色的颜色表，而不是值最接近的值。

在问题的更新代码中，您将颜色定义为每个通道0到255之间的整数。因此，你需要首先那些范围为0映射到1

from PIL import Image 
import numpy as np 
import matplotlib 
import matplotlib.cm as cm 
values = [670, 894, 582, 103, 786, 348, 972, 718, 356, 692] 
minima = 103 
maxima = 972 
norm = matplotlib.colors.Normalize(vmin=minima, vmax=maxima, clip=True) 
mapper = cm.ScalarMappable(norm=norm, cmap=cm.gist_rainbow_r) 
c = [] 
for i in range(10): 
    c.append(mapper.to_rgba(values[i], bytes=True)) 
print(c) # [(75, 255, 0, 255), (255, 77, 0, 255), (0, 255, 64, 255), (255, 0, 191, 255), (255, 250, 0, 255), (0, 72, 255, 255), (255, 0, 40, 255), (151, 255, 0, 255), (0, 83, 255, 255), (108, 255, 0, 255)] 

def get_value_from_cm(color, cmap, colrange): 
    color = np.array(color)/255. 
    r = np.linspace(colrange[0], colrange[1], 256) 
    norm = matplotlib.colors.Normalize(colrange[0], colrange[1]) 
    mapvals = cmap(norm(r))[:, :4] # there are 4 channels: r,g,b,a 
    distance = np.sum((mapvals - color) ** 2, axis=1) 
    return r[np.argmin(distance)] 

decoded_colors = [] 
for i in range(10): 
    decoded_colors.append(get_value_from_cm(c[i], cm.gist_rainbow_r, colrange=[minima, maxima])) 
print(decoded_colors)