生成二维数组的梯度图

Question

我有一个二维数组，它将每个点的属性值存储为其元素：f(x,y) = f[x][y]。现在我想找到这个数组的梯度。我查看了np.gradient，但它只给出了两个数组作为返回，第一个是 x 方向的导数，第二个是 y 方向的导数。

我想了解如何使用此方法或任何其他方式创建显示二维数组渐变变化的渐变图。
varray 是我要创建渐变图的二维数组。以下是我现在唯一能想到的。我知道应该有聪明的方法来使用np.gradient() 生成的x gradient 和y gradient，但我想不出。 lx 和 ly 是二维数组的 x 和 y 维度。

vgrad = np.gradient(varray)
xgrad = vgrad[0]
x, y = range(0, lx), range(0,ly)
xi, yi = np.meshgrid(x, y)
rbf = scipy.interpolate.Rbf(xi, yi, xgrad)
plt.imshow(v, vmin = np.amin(xgrad), vmax=np.amax(xgrad))
plt.colorbar()
plt.show()  

我想从第一张图片中获取第二张图片。第二张图片被描述为σ = \alpha*grad(varray)。

使用下面@Mad Physicist 建议的梯度幅度。

vgrad = np.gradient(varray)
fulgrad = np.sqrt(vgrad[0]**2 + vgrad[1]**2)
plt.imshow(fulgrad,cmap=plt.get_cmap('hot'), vmin = np.amin(fulgrad),vmax = np.amax(fulgrad))  
plt.colorbar()
plt.show()  

我得到的图像：

我从对等式的基本理解中解释了这个错误？

所以这是我的图像。左侧：初始 2D 地图的图像。右侧：渐变图的图像。 @Mad Physicist 你认为它们和上面的相似，只是颜色不同吗？

Answer 1

如果你正在寻找梯度的大小，你可以这样做

mag = np.sqrt(vgrad[0]**2 + vgrad[1]**2)

然后像上面那样绘制mag 而不是xgrad。如果您想将梯度绘制为矢量图或流图，请执行以下操作

plt.streamplot(xi, yi, vgrad[0], vgrad[1])

您可能还对可以通过在 3D 中绘制原始表面获得的坡度的视觉表示感兴趣：

fig = plt.figure()
ax = fig.gca(projection='3d')
surf = ax.plot_surface(xi, yi, varray)
plt.show()

见What is the equivalent of Matlab's surf(x,y,z,c) in matplotlib?和http://matplotlib.org/examples/mplot3d/surface3d_demo.html