Matplotlib imshow() 方法

imshow() 函数是 Matplotlib 库中的一个函数，用于显示图像。

imshow() 函数常用于绘制二维的灰度图像或彩色图像。

imshow() 函数可用于绘制矩阵、热力图、地图等。

imshow() 方法语法格式如下： 

									imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, **kwargs)

参数说明：

  • X ：输入数据。可以是二维数组、三维数组、PIL图像对象、matplotlib路径对象等。
  • cmap ：颜色映射。用于控制图像中不同数值所对应的颜色。可以选择内置的颜色映射，如 gray 、 hot 、 jet 等，也可以自定义颜色映射。
  • norm ：用于控制数值的归一化方式。可以选择 Normalize 、 LogNorm 等归一化方法。
  • aspect ：控制图像纵横比（aspect ratio）。可以设置为 auto 或一个数字。
  • interpolation ：插值方法。用于控制图像的平滑程度和细节程度。可以选择 nearest 、 bilinear 、 bicubic 等插值方法。
  • alpha ：图像透明度。取值范围为0~1。
  • origin ：坐标轴原点的位置。可以设置为 upper 或 lower 。
  • extent ：控制显示的数据范围。可以设置为 [xmin, xmax, ymin, ymax] 。
  • vmin 、 vmax ：控制颜色映射的值域范围。
  • filternorm 和 filterrad ：用于图像滤波的对象。可以设置为 None 、 antigrain 、 freetype 等。
  • imlim ： 用于指定图像显示范围。
  • resample ：用于指定图像重采样方式。
  • url ：用于指定图像链接。

以下是一些 imshow() 函数的使用实例。

显示灰度图像

实例

import matplotlib. pyplot as plt
import numpy as np

# 生成一个二维随机数组
img = np. random . rand ( 10 , 10 )

# 绘制灰度图像
plt. imshow ( img , cmap = 'gray' )

# 显示图像
plt. show ( )

以上实例中我们生成了一个 10x10 的随机数组，并使用 imshow() 函数将其显示为一张灰度图像。

我们设置了 cmap 参数为 gray，这意味着将使用灰度颜色映射显示图像。

显示结果如下：

显示彩色图像

实例

import matplotlib. pyplot as plt
import numpy as np

# 生成一个随机的彩色图像
img = np. random . rand ( 10 , 10 , 3 )

# 绘制彩色图像
plt. imshow ( img )

# 显示图像
plt. show ( )

以上实例中我们生成了一个 10x10 的随机彩色图像，并使用 imshow() 函数将其显示出来。

由于彩色图像是三维数组，因此不需要设置 cmap 参数。

显示结果如下：

显示热力图

实例

import matplotlib. pyplot as plt
import numpy as np

# 生成一个二维随机数组
data = np. random . rand ( 10 , 10 )

# 绘制热力图
plt. imshow ( data , cmap = 'hot' )

# 显示图像
plt. colorbar ( )
plt. show ( )

以上实例中我们生成了一个 10x10 的随机数组，并使用 imshow() 函数将其显示为热力图。

我们设置了 cmap 参数为 hot，这意味着将使用热度颜色映射显示图像。

此外，我们还添加了一个颜色条（colorbar），以便查看数据的值与颜色之间的关系。

显示结果如下：

显示地图

实例

import matplotlib. pyplot as plt
import numpy as np
from PIL import Image

# 加载地图图像, 下载地址：https://static.jyshare.com/images/demo/map.jpeg
img = Image. open ( 'map.jpg' )

# 转换为数组
data = np. array ( img )

# 绘制地图
plt. imshow ( data )

# 隐藏坐标轴
plt. axis ( 'off' )

# 显示图像
plt. show ( )

以上实例中我们加载了一张地图图像，并将其转换为数组。

然后，我们使用 imshow() 函数将其显示出来，并使用 axis('off') 函数隐藏了坐标轴，以便更好地查看地图。

显示结果如下：

显示矩阵

实例

import matplotlib. pyplot as plt
import numpy as np

# 生成一个随机矩阵
data = np. random . rand ( 10 , 10 )

# 绘制矩阵
plt. imshow ( data )

# 显示图像
plt. show ( )

以上实例中我们生成了一个随机矩阵，并使用 imshow() 函数将其显示为一张图像。

由于矩阵也是二维数组，因此可以使用 imshow() 函数将其显示出来。

显示结果如下：

更多实例

以下创建了一个 4x4 的二维 numpy 数组，并对其进行了三种不同的 imshow 图像展示。

  • 第一张展示了灰度的色彩映射方式，并且没有进行颜色的混合（blending）。
  • 第二张展示了使用viridis颜色映射的图像，同样没有进行颜色的混合。
  • 第三张展示了使用viridis颜色映射的图像，并且使用了双立方插值方法进行颜色混合。

实例

import matplotlib. pyplot as plt
import numpy as np

n = 4

# 创建一个 n x n 的二维numpy数组
a = np. reshape ( np. linspace ( , 1 , n** 2 ) , ( n , n ) )

plt. figure ( figsize = ( 12 , 4.5 ) )

# 第一张图展示灰度的色彩映射方式，并且没有进行颜色的混合
plt. subplot ( 131 )
plt. imshow ( a , cmap = 'gray' , interpolation = 'nearest' )
plt. xticks ( range ( n ) )
plt. yticks ( range ( n ) )
# 灰度映射，无混合
plt. title ( 'Gray color map, no blending' , y = 1.02 , fontsize = 12 )

# 第二张图展示使用viridis颜色映射的图像，同样没有进行颜色的混合
plt. subplot ( 132 )
plt. imshow ( a , cmap = 'viridis' , interpolation = 'nearest' )
plt. yticks ( [ ] )
plt. xticks ( range ( n ) )
# Viridis映射，无混合
plt. title ( 'Viridis color map, no blending' , y = 1.02 , fontsize = 12 )

# 第三张图展示使用viridis颜色映射的图像，并且使用了双立方插值方法进行颜色混合
plt. subplot ( 133 )
plt. imshow ( a , cmap = 'viridis' , interpolation = 'bicubic' )
plt. yticks ( [ ] )
plt. xticks ( range ( n ) )
# Viridis 映射，双立方混合
plt. title ( 'Viridis color map, bicubic blending' , y = 1.02 , fontsize = 12 )

plt. show ( )

显示结果如下：