如何使用坐标点在图像上创建热图？

我有一张尺寸为 1024 x 1360 的病理图像。我有一些区域和坐标点的概率值。如何使用图像上的坐标点和概率值编写热图生成代码。下面给出了概率值 (.csv) 文件格式的详细信息。任何帮助将不胜感激。

Edit:

CSV 文件格式下载 .csv 文件 http://www.sharecsv.com/s/778b94405b5fcef11d88d66efa717837/Sheet1.csv

CSV 文件的内容：

(x,y)        (x, y+y1)    (x+x1, y)    (x+x1, y+y1) Probability value
(0,0)        (0, 5)       (10, 0)      (10, 5)      0.5
(50,45)      (50, 65)     (55, 45)     (55, 65)     0.9
(100, 150)   (100, 200)   (120, 150)   (120, 200)   0.3
(1000, 1005) (1000, 1010) (1005, 1005) (1005, 1010) 1

应生成热图的示例图像 [![在此处下载图像][2]][2]

预期的热图类型 [![图像上生成的热图应该是这样的][3]][3]

应用@Paradox代码后生成的结果[![生成的输出][4]][4]

补充说明：

“p”是在该特定区域患有或不患有癌症的概率值。我从整个幻灯片图像中提取了所有大小为 256 x 256 的补丁，并计算了每个补丁的“概率值”。现在，根据该值，我计划生成热图。但是通过使用你的代码我得到了像上面这样的输出。甚至连颜色条都不见了。请帮忙。

清理生成热图的数据

首先，如果您对深层嵌套数据感到不舒服，则应该清理 CSV 文件中的数据（它们不统一并且有重复项 - 如果您想要矩形，它们也容易出错）。

最简单的例子如下：

 x, y, x1, y1, Probability value
 0, 0, 5, 10, 0.5
 50, 45, 55, 65, 0.9
 100, 150, 120, 200, 0.3
 1000, 1005, 1005, 1010, 1

下面的答案是根据这个干净的 CSV 数据集编写的。

使用Pandas处理CSV数据文件

查看您的用例，我建议使用pandas为了处理您的 CSV 数据文件。

您可以将 CSV 文件中的数据存储在pandas数据框这样：

df = pd.read_csv("data.csv")

并使用第一行作为每个列值的键来迭代行，如下所示：

for index, row in df.iterrows():
    print(row["x"], row["y"], row["x1"], row["y1"], 
      row["Probability value"]         

完整的工作片段

这段代码不是很漂亮，但它适用于虚拟数据集 https://en.wikipedia.org/wiki/Dummy_data您已经提供了上述介绍，并且其目的是非常不言自明的。可能需要一些调整，特别是对于绘图部分.

#!/usr/bin/python3
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from skimage import io
from skimage.color import rgb2gray
import matplotlib as mpl
# Read original image
img = io.imread('img.jpg')

# Get the dimensions of the original image
x_dim, y_dim, z_dim = np.shape(img)

# Create heatmap
heatmap = np.zeros((x_dim, y_dim), dtype=float)

# Read CSV with a Pandas DataFrame
df = pd.read_csv("data.csv")

# Set probabilities values to specific indexes in the heatmap
for index, row in df.iterrows():
    x = np.int(row["x"])
    y = np.int(row["y"])
    x1 = np.int(row["x1"])
    y1 = np.int(row["y1"])
    p = row["Probability value"]
    heatmap[x:x1,y:y1] = p

# Plot images
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
ax = axes.ravel()

ax[0].imshow(img)
ax[0].set_title("Original")
fig.colorbar(ax[0].imshow(img), ax=ax[0])

ax[1].imshow(img, vmin=0, vmax=1)
ax[1].imshow(heatmap, alpha=.5, cmap='jet')
ax[1].set_title("Original + heatmap")

# Specific colorbar
norm = mpl.colors.Normalize(vmin=0,vmax=2)
N = 11
cmap = plt.get_cmap('jet',N)
sm = plt.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])
plt.colorbar(sm, ticks=np.linspace(0,1,N), 
             boundaries=np.arange(0,1.1,0.1)) 

fig.tight_layout()
plt.show()