文章目录
meshgridmgrid和ogridindices
Numpy基础：数学计算🔥 逻辑运算
meshgrid
在三维图的绘制过程中，一般需要
x
,
y
,
z
x,y,z
x,y,z之间的对应关系，但对于图像而言，其
x
,
y
x,y
x,y轴坐标是体现在像素栅格中的，从而图像矩阵中的像素强度，其实表示的是
z
z
z轴的坐标，这种情况下如果想绘制三维散点图，就需要生成图像像素对应的坐标网格。
在Numpy中，最常用的坐标网格生成函数，就是meshgrid，其用法可参考下面的示例
x = [0,1,2,3,4]
y = [0,1,2,3]
xv, yv = np.meshgrid(x, y)
print(xv)
'''
[[0 1 2 3 4]
[0 1 2 3 4]
[0 1 2 3 4]
[0 1 2 3 4]]
'''
print(yv)
'''
[[0 0 0 0 0]
[1 1 1 1 1]
[2 2 2 2 2]
[3 3 3 3 3]]
'''
即xv为
[
0
1
2
3
4
0
1
2
3
4
0
1
2
3
4
0
1
2
3
4
]
\begin{bmatrix} 0&1&2&3&4\\ 0&1&2&3&4\\ 0&1&2&3&4\\ 0&1&2&3&4\\ \end{bmatrix}
00001111222233334444
而yv为
[
0
0
0
0
0
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
]
\begin{bmatrix} 0&0&0&0&0\\ 1&1&1&1&1\\ 2&2&2&2&2\\ 3&3&3&3&3\\ \end{bmatrix}
01230123012301230123
直观地说，就是对输入的
x
,
y
x,y
x,y变量，分别向
y
y
y轴和
x
x
x轴方向进行了扩张。
mgrid和ogrid
mgrid是比meshgrid更加简单的一种数据结构，其特点是直接通过魔法函数实现了坐标网格的生成。
>>> xv, yv = np.mgrid[0:2, 2:5]
>>> print(xv)
[[0 0 0]
[1 1 1]]
>>> print(yv)
[[2 3 4]
[2 3 4]]
当然，这个维度可以是任意的，而且步长也可以是任意的，
>>> np.mgrid[1:5]
array([1, 2, 3, 4])
>>> np.mgrid[1:10:5]
array([1, 6])
>>> np.mgrid[1.1:10]
array([1.1, 2.1, 3.1, 4.1, 5.1, 6.1, 7.1, 8.1, 9.1])
如果翻阅源码，会发现mgrid是MGridClass()的一个实例，MGridClass则是nd_grid的一个子类，在nd_grid中，实现了__getitem__这个魔法函数，从而达成了[]的索引方法。
ogrid的用法与mgrid相同，二者都是nd_grid的子类，但生成的数组不同，直接看案例
>>>ogrid[0:5,0:5]
[array([[0],
[1],
[2],
[3],
[4]]), array([[0, 1, 2, 3, 4]])]
indices
如果想干脆一点，只是生成从0开始的等间隔的坐标网格，那么这里最推荐的是indices，这个函数只需输入维度，就可以完成网格的创建。
接下来打开一张图片演示一下
import numpy as np
import matplotlib.pyplot as plt
img = plt.imread('test.jpg')
ax = plt.subplot(projection='3d')
gray = img[:,:,1]
yMat, xMat = np.indices(gray.shape)
ax.plot_surface(xMat, yMat, gray)
ax.axis('off')
plt.show()
效果为 最后总结一下indices, meshgird, mgrid的等价形式
indicesindices([M,N])meshgridmeshgrid(np.arange(M), np.arange(N))mgridmgrid[:M,:N]