将 Numpy 数组保存为 3 通道图像，同时保留分辨率

Question

基本上我的任务涉及将二维温度场（2D 矩阵）转换为图像（以保持分辨率），然后对图像进行一些图像处理，然后将其转换回温度场。例如，如果我的温度字段是一个包含 25x25 单元格的网格，那么我的图像应该具有 25x25 像素的分辨率。

另外，由于我的温度场会有浮点值，我希望将浮点值保留在图像中，然后能够提取相同的值。

我尝试了以下方法： 我有一个代表一些物理场（如温度）的 numpy 数组，我想将其转换为图像以进行进一步处理。但是在创建图像时，matplotlib 的 cmap 似乎是 python 中保留分辨率的唯一选项。

但是当我将 numpy 数组保存到颜色图中时，生成的图像似乎是 4 通道图像，而我想要 3 通道图像。

我的问题有解决办法吗？

使用的代码是：

import matplotlib as plt
cmap = plt.cm.jet
norm = plt.Normalize(vmin=temp.min(), vmax=temp.max())

# Map the normalized data to colors.  
image = cmap(norm(temp))

# Save the image
plt.imsave('temperature2image.png', image)

# Display the image
plt.pcolor(image)

##### PROCESS THE IMAGE #################

temp_after_processing = plt.imread('processed_image.png')

编辑： 另外，谁能告诉我是否有办法将 3 通道或 4 通道图像转换回包含温度值的二维矩阵？

Answer 1

正如人们在 cmets 中所说的那样，对灰度图像进行操作可能是最好的，因为温度场就是这样......

灰度图像的典型格式是浮点数组，其值介于 0 和 1 之间，因此您需要输入温度，

t0 = np.loadtxt(...) # → t.shape is 25x25

并且您想对它们进行规范化（保存用于规范化的值）

m_in = t0.min()
m_ax = t0.max()
t1 = (t0-m_in)/(m_ax-m_in) # → 0 ≤ t1 ≤ 1

处理您的图像

t1 = imageproc(t1)

并从灰度图像转换回我们应用的线性变换的温度场。

t1 = t1*(m_ax-m_in)+m_in

当然，您可以应用非线性变换将温度转换为灰度，只要您可以恢复正向变换。