PyTorch学习笔记（6）--热点图

目录

1.载入地图图片，创建随机分布的散列点，这些散列点以某些坐标正态分布，构成一些热点。

2.调用scipy.ndimage.filters.aussian_filter对频度图进行高斯模糊处理

3.修改热点图的alpha通道，将热点图与地图叠加显示

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage import filters
img=plt.imread("./img/China.png")
h,w,_=img.shape
xs,ys=[],[]
for i in range(100):
    mean=w*np.random.rand(),h*np.random.rand()
    a=50+np.random.randint(50,200)
    b=50+np.random.randint(50,200)
    c=(a+b)*np.random.normal()*0.2
    cov=[[a,c],[c,b]]
    count=200
    x,y=np.random.multivariate_normal(mean,cov,size=count).T
    xs.append(x)
    ys.append(y)
x=np.concatenate(xs)
y=np.concatenate(ys)

hist,_,_=np.histogram2d(x,y,bins=(np.arange(0,w),np.arange(0,h)))

  上述代码部分函数的功能：

numpy.random.rand()#生成单个随机数
numpy.random.randint(a,b)#生成[a,b)的随机数
numpy.random.normal()#从正态分布中随机抽取样本
numpy.random.multivariate_normal()#从多元正态分布中随机抽取样本组成一个N维数组。并返回该数组
numpy.concatenate()#一次完成多个数组的拼接
numpy.histogram2d()#返回二维直方图

使用numpy.histogram2d()在地图图片的网络中统计二维散列点的频度。 

2.调用scipy.ndimage.filters.aussian_filter对频度图进行高斯模糊处理

heat=filters.gaussian_filter(hist,10.0)

相当于在每隔亮点处描绘一个高斯曲面，让每个亮点增加其周围的像素亮度

第二个参数为高斯曲面宽度（高斯分布的标准差），此参数越大，热点图也越平滑。

3.修改热点图的alpha通道，将热点图与地图叠加显示

plt.imshow(img)
plt.imshow(heat,alpha=0.5,cmap='rainbow')

修改alpha的值确定透明度

 完整代码：

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage import filters
img=plt.imread("./img/China.png")
h,w,_=img.shape
xs,ys=[],[]
for i in range(100):
    mean=w*np.random.rand(),h*np.random.rand()
    a=50+np.random.randint(50,200)
    b=50+np.random.randint(50,200)
    c=(a+b)*np.random.normal()*0.2
    cov=[[a,c],[c,b]]
    count=200
    x,y=np.random.multivariate_normal(mean,cov,size=count).T
    xs.append(x)
    ys.append(y)
x=np.concatenate(xs)
y=np.concatenate(ys)

hist,_,_=np.histogram2d(x,y,bins=(np.arange(0,w),np.arange(0,h)))
hist=hist.T
heat=filters.gaussian_filter(hist,10.0)
plt.imshow(img)
plt.imshow(heat,alpha=0.5,cmap='rainbow')
plt.show()