Как это работает
Проблема в том, что artifice = np.binary_repr(genesis) создает строку. Строка состоит из 1348 * 4117 = 5549716 цифр, все они из нулей и единиц. Если вы преобразуете строку в целое число Python, A = int(artifice), вы будете (A) ждать очень долго и (B) получать не повторяемый объект. Массив, который вы создаете с помощью np.array(A), будет содержать один элемент.
Хорошей новостью является то, что вы можете полностью обойти трудоемкий шаг, используя тот факт, что строка artifice уже итеративна:
D = np.array(list(artifice), dtype=np.uint8).reshape(1348, 4117)
Шаг list(artifice) займет пару секунд, так как должен разделить строку, но все остальное должно быть довольно быстрым.
Оттуда легко составить график plt.imsave('hello_world.png', D, cmap=cm.gray):
* 1027 цветовые карты *
Вы можете легко изменить цветовую карту на coolwarm или любую другую при сохранении изображения. Имейте в виду, что ваше изображение является двоичным, поэтому только два значения будут иметь значение:
plt.imsave('hello_world2.png', D, cmap=cm.coolwarm)
Exploration
У вас есть возможность добавить множество цветов к вашему изображению. Обычно PNG является 8-битным. Например, вместо преобразования genesis в биты, вы можете взять из него байты для построения изображения. Вы также можете взять полубайты, чтобы создать индексированное изображение с 16 цветами. С небольшими отступами вы даже можете убедиться, что у вас есть кратные три точки данных, и создать полноцветное изображение RGB любым количеством способов. Я не буду вдаваться в более сложные варианты, но я хотел бы изучить возможность создания простого изображения из байтов.
5549716 бит - это 693715 = 5 * 11 * 12613 байт (с четырьмя ведущими нулевыми битами). Это очень неприятная факторизация, приводящая к размеру изображения 55x12613, поэтому давайте уберем этот верхний клев: в то время как факторизация 693716 столь же плоха, как 693715, 693714 очень хорошо вписывается в 597 * 1162.
Вы можете преобразовать целое число в массив байтов, используя собственный метод to_bytes:
from math import ceil
byte_genesis = genesis.to_bytes(ceil(genesis.bit_length() / 8), 'big')
Причина, по которой я использую встроенный ceil вместо np.ceil, заключается в том, что он возвращает целое число, а не число с плавающей точкой.
Преобразование огромного целого числа происходит очень быстро, поскольку объект bytes имеет прямой доступ к данным целого числа: даже если он создает копию, он практически не обрабатывается. Он может даже совместно использовать буфер, так как bytes и int являются номинально неизменяемыми. Точно так же вы можете создать простой массив из bytes как просто представление той же области памяти, используя np.frombuffer:
img = np.frombuffer(byte_genesis, dtype=np.uint8)[1:].reshape(597, 1162)
* * * * * * * * * * * * * * * * * * * * * * * *). [1:] необходим, чтобы отрубить ведущий кусок, так как bytes_genesis должен быть достаточно большим, чтобы вместить всего genesis. Вы также можете отрубить на стороне bytes:
img = np.frombuffer(byte_genesis[1:], dtype=np.uint8).reshape(597, 1162)
Результаты идентичны. Вот как выглядит картинка:
plt.imsave('hello_world3.png', img, cmap=cm.viridis)
Результат слишком велик для загрузки (потому что это не двоичное изображение), но вот случайно выбранный образец:
Я не уверен, что это эстетически то, что вы ищете, но, надеюсь, это даст вам возможность начать искать способы преобразования очень больших чисел в буферы данных.
Дополнительные параметры, потому что это интересно
Я хотел бы взглянуть на использование кусочков, а не байтов, поскольку это позволило бы получить 16 цветов на пиксель и вдвое больше пикселей. Вы можете получить изображение размером 1162x1194, начиная с
temp = np.frombuffer(byte_genesis, dtype=np.uint8)[1:]
Вот один из способов распаковать клев:
img = np.empty((1162, 1194), dtype=np.uint8)
img.ravel()[::2] = np.bitwise_and(temp >> 4, 0x0F)
img.ravel()[1::2] = np.bitwise_and(temp, 0x0F)
С такой картой цветов, как jet, вы получите:
plt.imsave('hello_world4.png', img, cmap=cm.jet)
Другой вариант, если говорить в противоположном направлении), вообще не использовать цветовые карты. Вместо этого вы можете разделить свое пространство в три раза и генерировать свои собственные цвета в пространстве RGB. К счастью, одним из главных факторов 693714 является 3. Таким образом, вы можете получить изображение размером 398x581 (693714 == 3 * 398 * 581). То, как вы интерпретируете данные, остается за вами.
Примечание, прежде чем я продолжу
С помощью черно-белого двоичного изображения вы можете контролировать цвет, размер и ориентацию изображения. С 8-битными данными вы можете управлять тем, как отбираются биты (8 или меньше, как в 4-битном примере), порядком байтов вашей интерпретации, цветовой картой и размером изображения. С полноцветным цветом вы можете рассматривать каждую тройку как отдельный цвет, обрабатывать весь набор данных как три последовательные цветовые плоскости или даже делать что-то вроде применения фильтра Байера к массиву. Все в дополнение к другим параметрам, таким как размер, порядок, количество бит на выборку и т. Д.
Далее будут показаны варианты цветовых троек и трех цветовых плоскостей.
Полноцветные изображения
Чтобы рассматривать каждый набор из 3 последовательных байтов как тройку RGB, вы можете сделать что-то вроде этого:
img = temp.reshape(398, 581, 3)
plt.imsave('hello_world5.png', img)
Обратите внимание, что в этом случае нет цветовой карты.
Интерпретация данных в виде трех цветовых плоскостей требует дополнительного шага, поскольку plt.imsave ожидает, что последнее измерение будет иметь размер 3. np.rollaxis - хороший инструмент для этого:
img = np.rollaxis(temp.reshape(3, 398, 581), 0, 3)
plt.imsave('hello_world6.png', img)
