Matplotlib 中文用户指南 3.2 图像教程

简介: 图像教程 原文:Image tutorial 译者:飞龙 协议:CC BY-NC-SA 4.0启动命令首先,让我们启动 IPython。

图像教程

原文:Image tutorial

译者:飞龙

协议:CC BY-NC-SA 4.0

启动命令

首先,让我们启动 IPython。 它是 Python 标准提示符的最好的改进,它与 Matplotlib 配合得相当不错。 在 shell 或 IPython Notebook 上都可以启动 IPython。

随着 IPython 启动,我们现在需要连接到 GUI 事件循环。 它告诉 IPython 在哪里(以及如何显示)绘图。 要连接到 GUI 循环,请在 IPython 提示符处执行%matplotlib魔法。 在 IPython 的 GUI 事件循环文档中有更多的细节。

如果使用 IPython Notebook,可以使用相同的命令,但人们通常以特定参数使用%matplotlib

In [1]: %matplotlib inline

这将打开内联绘图,绘图图形将显示在笔记本中。 这对交互性有很重要的影响。 对于内联绘图,在单元格下方的单元格中输出绘图的命令不会影响绘图。 例如,从创建绘图的单元格下面的单元格更改颜色表是不可能的。 但是,对于其他后端,例如 qt4,它们会打开一个单独的窗口,那些创建绘图的单元格下方的单元格将改变绘图 - 它是一个内存中的活对象。

本教程将使用matplotlib的命令式绘图接口pyplot。 该接口维护全局状态,并且可用于简单快速地尝试各种绘图设置。 另一种是面向对象的接口,这也非常强大,一般更适合大型应用程序的开发。 如果你想了解面向对象接口,使用上的常见问题是一个用于起步的不错的页面。 现在,让我们继续使用命令式方式:

In [2]: import matplotlib.pyplot as plt
In [3]: import matplotlib.image as mpimg
In [4]: import numpy as np

将图像数据导入到 NumPy 数组

加载图像数据由 Pillow 库提供支持。 本来,matplotlib只支持 PNG 图像。 如果本机读取失败,下面显示的命令会回退到 Pillow。

此示例中使用的图像是 PNG 文件,但是请记住你自己的数据的 Pillow 要求。

下面是我们要摆弄的图片:

它是一个 24 位 RGB PNG 图像(每个 R,G,B 为 8 位)。 根据你获取数据的位置,你最有可能遇到的其他类型的图像是 RGBA 图像,拥有透明度或单通道灰度(亮度)的图像。 你可以右键单击它,选择Save image as(另存为)为本教程的剩余部分下载到你的计算机。

现在我们开始…

In [5]: img=mpimg.imread('stinkbug.png')
Out[5]:
array([[[ 0.40784314,  0.40784314,  0.40784314],
        [ 0.40784314,  0.40784314,  0.40784314],
        [ 0.40784314,  0.40784314,  0.40784314],
        ...,
        [ 0.42745098,  0.42745098,  0.42745098],
        [ 0.42745098,  0.42745098,  0.42745098],
        [ 0.42745098,  0.42745098,  0.42745098]],

       ...,
       [[ 0.44313726,  0.44313726,  0.44313726],
        [ 0.4509804 ,  0.4509804 ,  0.4509804 ],
        [ 0.4509804 ,  0.4509804 ,  0.4509804 ],
        ...,
        [ 0.44705883,  0.44705883,  0.44705883],
        [ 0.44705883,  0.44705883,  0.44705883],
        [ 0.44313726,  0.44313726,  0.44313726]]], dtype=float32)

注意这里的dtype - float32。 Matplotlib 已将每个通道的8位数据重新定标为 0.0 和 1.0 之间的浮点数。 作为旁注,Pillow 可以使用的唯一数据类型是uint8。 Matplotlib 绘图可以处理float32uint8,但是对于除 PNG 之外的任何格式的图像,读取/写入仅限于uint8数据。 为什么是 8 位呢? 大多数显示器只能渲染每通道 8 位的颜色渐变。 为什么他们只能渲染每通道 8 位呢? 因为这会使所有人的眼睛可以看到。 更多信息请见(从摄影的角度):Luminous Landscape 位深度教程

每个内部列表表示一个像素。 这里,对于 RGB 图像,有 3 个值。 由于它是一个黑白图像,R,G 和 B 都是类似的。 RGBA(其中 A 是阿尔法或透明度)对于每个内部列表具有 4 个值,而且简单亮度图像仅具有一个值(因此仅是二维数组,而不是三维数组)。 对于 RGB 和 RGBA 图像,matplotlib支持float32uint8数据类型。 对于灰度,matplotlib只支持float32。 如果你的数组数据不符合这些描述之一,则需要重新缩放它。

将 NumPy 数组绘制为图像

所以,你将数据保存在一个numpy数组(通过导入它,或生成它)。 让我们渲染它吧。 在 Matplotlib 中,这是使用imshow()函数执行的。 这里我们将抓取plot对象。 这个对象提供了一个简单的方法来从提示符处理绘图。

In [6]: imgplot = plt.imshow(img)

你也可以绘制任何 NumPy 数组。

对图像绘图应用伪彩色方案

伪彩色可以是一个有用的工具,用于增强对比度和更易于可视化你的数据。 这在使用投影仪对你的数据进行演示时尤其有用 - 它们的对比度通常很差。

伪彩色仅与单通道,灰度,亮度图像相关。 我们目前有一个RGB图像。 由于R,G 和 B 都是相似的(见上面或你的数据),我们可以只选择一个通道的数据:

In [7]: lum_img = img[:,:,0]

这是数组切片,更多信息请见NumPy 教程

In [8]: plt.imshow(lum_img)

现在,亮度(2D,无颜色)图像应用了默认颜色表(也称为查找表,LUT)。 默认值称为jet。 有很多其他方案可以选择。

In [9]: plt.imshow(lum_img, cmap="hot")

请注意,你还可以使用set_cmap()方法更改现有绘图对象上的颜色:

In [10]: imgplot = plt.imshow(lum_img)
In [11]: imgplot.set_cmap('spectral')

但是,请记住,在带有内联后端的 IPython notebook 中,你不能对已经渲染的绘图进行更改。 如果你在一个单元格中创建了imgplot,你不能在以后的单元格中调用set_cmap(),并且改变前面的绘图。 请确保你在相同单元格中一起输入这些命令。plt命令不会更改先前单元格的绘图。

有许多可选的其它颜色表,请见颜色表的列表和图像

颜色刻度参考

了解颜色代表什么值对我们很有帮助。 我们可以通过添加颜色条来做到这一点。

In [12]: imgplot = plt.imshow(lum_img)
In [13]: plt.colorbar()

这会为你现有的图形添加一个颜色条。 如果你更改并切换到不同的颜色映射,则不会自动更改 - 你必须重新创建绘图,并再次添加颜色条。

检查特定数据范围

有时,你想要增强图像的对比度,或者扩大特定区域的对比度,同时牺牲变化不大,或者无所谓的颜色细节。 找到有趣区域的最好工具是直方图。 要创建我们的图像数据的直方图,我们使用hist()函数。

In [14]: plt.hist(lum_img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')

通常,图像的『有趣』部分在峰值附近,你可以通过剪切峰值上方和/或下方的区域获得额外的对比度。 在我们的直方图中,看起来最大值处没有太多有用的信息(图像中有很多不是白色的东西)。 让我们调整上限,以便我们有效地『放大』直方图的一部分。 我们通过将clim参数传递给imshow来实现。 你也可以通过对图像绘图对象调用set_clim()方法来做到这一点,但要确保你在使用 IPython Notebook 的时候,和plot命令在相同的单元格中执行 - 它不会改变之前单元格的图。

In [15]: imgplot = plt.imshow(lum_img, clim=(0.0, 0.7))

数组插值方案

插值根据不同的数学方案计算像素『应有』的颜色或值。 发生这种情况的一个常见的场景是调整图像的大小。 像素的数量会发生变化,但你想要相同的信息。 由于像素是离散的,因此存在缺失的空间。 插值就是填补这个空间的方式。 这就是当你放大图像时,你的图像有时会出来看起来像素化的原因。 当原始图像和扩展图像之间的差异较大时,效果更加明显。 让我们加载我们的图像并缩小它。 我们实际上正在丢弃像素,只保留少数几个像素。 现在,当我们绘制它时,数据被放大为你屏幕的大小。 由于旧的像素不再存在,计算机必须绘制像素来填充那个空间。

我们将使用用来加载图像的 Pillow 库来调整图像大小。

In [16]: from PIL import Image
In [17]: img = Image.open('../_static/stinkbug.png')
In [18]: img.thumbnail((64, 64), Image.ANTIALIAS) # resizes image in-place
In [19]: imgplot = plt.imshow(img)

这里我们使用默认插值,双线性,因为我们没有向imshow()提供任何插值参数。

让我们试试一些其它的东西:

最邻近

In [20]: imgplot = plt.imshow(img, interpolation="nearest")

双立方

In [21]: imgplot = plt.imshow(img, interpolation="bicubic")

双立方插值通常用于放大照片 - 人们倾向于模糊而不是过度像素化。

相关文章
|
2月前
|
数据可视化 Python
Python数据可视化利器Matplotlib实战教程
本文将介绍如何使用Python中强大的数据可视化工具Matplotlib,通过丰富的示例和实战操作,帮助读者快速掌握Matplotlib的基本用法和高级技巧,实现数据可视化的艺术。
|
2月前
|
数据可视化 Python
百度搜索:蓝易云【使用Python的数据可视化库Matplotlib实现折线图教程。】
通过Matplotlib的丰富功能,你可以进一步自定义折线图,例如添加图例、设置线条样式、修改坐标轴范围等。希望这个教程对你有所帮助,如果有任何进一步的疑问,请随时提问。
156 0
|
9月前
|
机器学习/深度学习 数据可视化 PyTorch
机器学习 | matplotlib超详细教程
机器学习 | matplotlib超详细教程
96 0
|
关系型数据库 数据安全/隐私保护
python-matplotlib给图像添加文本标签与注释
python-matplotlib给图像添加文本标签与注释
1233 0
python-matplotlib给图像添加文本标签与注释
BXA
|
并行计算 数据可视化 数据挖掘
Python可视化:Matplotlib基础教程
Matplotlib是一个用于创建静态、动态、交互性可视化图表的开源库,具有如下特点: * 可以创建2D或3D的图形,包括线性图、条形图、散点图、饼图、直方图等 * 可定制图形的各个属性,包括图形的大小、颜色、线型、标签、注释等 * 支持多种底层绘图库,包括Tkinter、wxPython、Qt、GTK等
BXA
158 0
|
数据处理 计算机视觉 Python
应用matplotlib的imshow函数显示彩色图像(RGB data)报错的解决方法
而且,只在处理彩色图像时出现错误提示,显示为空白图像;处理灰度图像时函数运行正常、显示图像。
384 0
|
测试技术 BI Python
软件测试|Python绘图神器matplotlib教程(三)
软件测试|Python绘图神器matplotlib教程(三)
133 0
软件测试|Python绘图神器matplotlib教程(三)
|
数据挖掘 测试技术 Python
软件测试|Python matplotlib教程(二)
软件测试|Python matplotlib教程(二)
122 0
软件测试|Python matplotlib教程(二)
|
数据可视化 Python Perl
10分钟入门Matplotlib: 数据可视化介绍&使用教程(三)
10分钟入门Matplotlib: 数据可视化介绍&使用教程(三)
130 0
10分钟入门Matplotlib: 数据可视化介绍&使用教程(三)
|
数据可视化 BI Python
10分钟入门Matplotlib: 数据可视化介绍&使用教程(二)
10分钟入门Matplotlib: 数据可视化介绍&使用教程(二)
201 0
10分钟入门Matplotlib: 数据可视化介绍&使用教程(二)