python - 我如何将这个 (100, 100) numpy 数组转换为 pygame 中的灰度 Sprite ？

Question

我正在尝试制作一种特殊的光栅，称为 Gabor 贴片，可以在 this tutorial 的底部找到一个例子。我将其代码移植到了 python。

使用 matplotlib 的 imshow 函数，我获得了以下补丁。

虽然颜色不同，但我怀疑这与 matplotlib 显示数值的方式有关。从本质上讲，此图像是一个 100 x 100 像素的二维数组，包含从 -1.0 到 1.0(含)的值。如果有人想尝试操作有问题的数组，我已将其保存为 pickle 对象 here .

我的问题如下:如何在确保满足以下条件的同时将此数组传输到 pygame 表面？

1. 着色转换为灰度着色(c.f.:第一个链接中的最后一张图片)
2. 解决方案必须使用 pygame 版本 1.9.1release。由于某些莫名其妙的原因，我找不到在我的操作系统 (Ubuntu 13.04) 上安装 1.9.2 的方法。似乎没有 PPA，pygame 显然不在 PIP 上。

非常感谢您，如果我可以提供更多信息，请告诉我!

编辑

关于@Veedrac 的解决方案(与我自己的非常相似)，这是我的补丁在 matplotlib 的 imshow 中使用灰度颜色图时的样子。这是我想要拥有的:

from matplotlib.pyplot import *
import matplotlib.cm as cm

figure()
imshow(g, cm=cm.Greys_r)
show()

Answer 1

import numpy
import pickle
import pygame

surface = pygame.Surface((100, 100))

获取像素，转换为RGBA。使用 Joe Kington 的提醒，数据范围从 -1 到 1:

base = (pickle.load(open("g.pickle"))+1)/2 * 255
base = base[..., numpy.newaxis].repeat(4, -1).astype("uint8")

复制数据

numpy_surface = numpy.frombuffer(surface.get_buffer())
numpy_surface[...] = numpy.frombuffer(base)
del numpy_surface

显示:

screen = pygame.display.set_mode((100, 100))
screen.blit(surface, (0, 0))
pygame.display.flip()

你得到

---

再次感谢 Joe Kington 的输入，使用 make_surface 进行了简化:

import numpy
import pickle
import pygame

base = (pickle.load(open("g.pickle"))+1) * 128
base = base[..., None].repeat(3, -1).astype("uint8")

surface = pygame.surfarray.make_surface(base)

screen = pygame.display.set_mode((100, 100))
screen.blit(surface, (0, 0))
pygame.display.flip()

---

base[..., None] 通常拼写为 base[..., numpy.newaxis]，但这是 numpy 我只是“扩展了常量”以便不需要 numpy。但是，它不起作用，因为如果您不使用 IndexError: bytes to write exceed buffer size 导入 numpy，代码就会中断。谢谢，numpy。

... 表示“该点之前所有轴的整体”，因此您可以替换 [3:2]、[: , 3:2] 和 [:, :, :, 3:2] 与 [..., 3:2]。事实上，正是出于这个原因，... 才被引入 Python。

None 或 numpy.newaxis 切片一个新轴 (duh)。例如，这会将 [a, b, c] 转换为 [[a], [b], [c]]。这是必需的，因为我们随后将沿着这个新轴重复。

基本上，看一行，我们有

114, 202, 143, ...

我们想要

[114, 114, 114], [202, 202, 202], [143, 143, 143], ...

所以我们的[..., None]让我们做到了

[114], [202], [143], ...

我们只是在轴 -1 上重复 3 次。轴 -1 当然是最后一个轴，即 numpy.newaxis。