用python将时间序列信号或一维数组 转化成 图像的几种方法

用python将时间序列信号或一维数组转化成图像的几种方法

深度学习在计算机视觉有了非常广泛的应用，视觉图像数据为二维数据，而在故障诊断领域的数据，来自于传感器的采集，属于典型的一维时间序列，因而绝大多数问题可以抽象成时间序列分类(TSC)问题。若将时间序列或一维数组转化为图像，再应用深度学习的模型做分析，是一种很不错的方法，且这种方法在很多论文中已有实践。

---

---

一、利用PIL库

话不多说上代码。

import numpy as np
from PIL import Image
'''
读取时间序列的数据
怎么读取需要你自己写
'''
#把数据转成array形式
TSC = np.array(TSC)
#将长为L的时间序列转成m*n的矩阵， L = m*n
result = idx.reshape((m, n))
#矩阵归一化,调用Image
result = (result - np.min(result)) / (np.max(result) - np.min(result))
im = Image.fromarray(result*255.0)
im.convert('L').save("1.jpg",format = 'jpeg')

这是我得到的128*256大小的灰度图

---

二、利用CV库

看这篇博客，这个方法和利用PIL库有异曲同工之处