Matplotlib教學 » Matplotlib繪製影象

Matplotlib繪製影象

下面是使用Matplotlib繪製影象的簡短教學。

啟動命令

首先啟動IPython。它是標準Python提示的最佳增強，它與Matplotlib特別相關。現在可以在shell或IPython Notebook上啟動IPython。

隨著IPython的啟動，我們現在需要連線到GUI事件迴圈。這告訴IPython在哪裡(以及如何)顯示圖。要連線到GUI迴圈，請在IPython提示符下執行%matplotlib magic。關於它在IPython的GUI事件迴圈文件中的確切內容有更詳細的說明。

如果正在使用IPython Notebook，則可以使用相同的命令，但人們通常使用%matplotlib魔法的特定引數：

In [1]: %matplotlib inline

這將開啟內聯繪圖，其中繪圖圖形將出現在筆記本中。這對互動性具有重要意義。對於內聯繪圖，輸出繪圖的單元格下方單元格中的命令不會影響繪圖。例如，無法從建立繪圖的單元格下方的單元格更改顏色貼圖。但是，對於其他後端，例如Qt5，開啟一個單獨的視窗，建立繪圖的下面的單元格將改變繪圖 - 它是記憶體中的活動物件。

本教學將使用matplotlib的命令式繪圖介面pyplot。該介面保持全域性狀態，對於快速輕鬆地試驗各種繪圖設定非常有用。另一種選擇是物件導向的介面，它也非常強大，通常更適合大型應用程式開發。如果想了解物件導向的介面，一個很好的開始是學習使用指南。現在繼續使用命令式方法：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

將影象資料匯入Numpy陣列

Pillow庫支援載入影象資料。在本機，Matplotlib僅支援PNG影象。如果本機讀取失敗，下面顯示的命令將回退到Pillow。

此範例中使用的影象是PNG檔案，但請記住您自己的資料的Pillow要求。

下面是要使用的影象：

它是一個24位元RGB PNG影象(R，G，B各有8位元)。根據獲取資料的位置，最有可能遇到的其他型別的影象是RGBA影象，它們允許透明度，或單通道灰度(亮度)影象。您可以右鍵單擊它並選擇「將影象另存為」以將其下載到您的計算機以完成本教學的其餘部分。

現在就開始操作了…

img = mpimg.imread('../../doc/_static/stinkbug.png')
print(img)

執行上面範例程式碼，得到以下結果 - 

[[[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]]

 [[0.4117647  0.4117647  0.4117647 ]
  [0.4117647  0.4117647  0.4117647 ]
  [0.4117647  0.4117647  0.4117647 ]
  ...
  [0.42745098 0.42745098 0.42745098]
  [0.42745098 0.42745098 0.42745098]
  [0.42745098 0.42745098 0.42745098]]

 [[0.41960785 0.41960785 0.41960785]
  [0.41568628 0.41568628 0.41568628]
  [0.41568628 0.41568628 0.41568628]
  ...
  [0.43137255 0.43137255 0.43137255]
  [0.43137255 0.43137255 0.43137255]
  [0.43137255 0.43137255 0.43137255]]

 ...

 [[0.4392157  0.4392157  0.4392157 ]
  [0.43529412 0.43529412 0.43529412]
  [0.43137255 0.43137255 0.43137255]
  ...
  [0.45490196 0.45490196 0.45490196]
  [0.4509804  0.4509804  0.4509804 ]
  [0.4509804  0.4509804  0.4509804 ]]

 [[0.44313726 0.44313726 0.44313726]
  [0.44313726 0.44313726 0.44313726]
  [0.4392157  0.4392157  0.4392157 ]
  ...
  [0.4509804  0.4509804  0.4509804 ]
  [0.44705883 0.44705883 0.44705883]
  [0.44705883 0.44705883 0.44705883]]

 [[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]]]

注意dtype - float32。Matplotlib已將每個通道的8位元資料重新調整為0.0到1.0之間的浮點資料。Pillow可以使用的唯一資料型別是uint8。Matplotlib繪圖可以處理float32和uint8，但是除PNG之外的任何格式的影象讀/寫都限於uint8資料。為什麼8位元？大多數顯示器每個通道只能渲染8位元顏色等級。為什麼他們只能渲染8位元/通道？因為那是人眼所能看到的。

每個內部列表代表一個畫素。這裡，對於RGB影象，有3個值。由於它是黑白影象，因此R，G和B都相似。RGBA(其中A是alpha或透明度)每個內部列表具有4個值，並且簡單亮度影象僅具有一個值(因此僅是2-D陣列，而不是3-D陣列)。對於RGB和RGBA影象，matplotlib支援float32和uint8資料型別。對於灰度，matplotlib僅支援float32。如果您的陣列資料不符合這些描述之一，則需要重新調整它。

將numpy陣列繪製為影象

將資料放在一個numpy陣列中(通過匯入或生成它)。在Matplotlib中，這是使用imshow()函式執行的。在這裡，繪圖物件提供了一種從提示中操作繪圖的簡便方法。

imgplot = plt.imshow(img)

繪製圖像

將偽彩色方案應用於影象圖

Pseudocolor可以成為增強對比度和更容易視覺化資料的有用工具。這在使用投影儀進行資料演示時尤其有用 - 它們的對比度通常非常差。

偽彩色僅與單通道，灰度，亮度影象相關。我們目前有一個RGB影象。由於R，G和B都是相似的(請參閱上面或資料)，我們可以選擇一個資料通道：

lum_img = img[:, :, 0]

# This is array slicing.  You can read more in the `Numpy tutorial
# <https://docs.scipy.org/doc/numpy/user/quickstart.html>`_.

plt.imshow(lum_img)
`

執行上面範例程式碼，得到以下結果 -

現在，使用亮度(2D，無顏色)影象，應用預設色圖(也稱為查詢表，LUT)。預設名稱為viridis，還有很多其他選擇。

plt.imshow(lum_img, cmap="hot")

熱力圖

請注意，還可以使用set_cmap()方法更改現有繪圖物件上的顏色對映：

imgplot = plt.imshow(lum_img)
imgplot.set_cmap('nipy_spectral')

顏色映射

注意 - 在具有內聯後端的IPython Notebook中，無法更改已經呈現的繪圖。如果在一個單元格中建立imgplot，則不能在稍後的單元格中呼叫set_cmap()並期望更早的繪圖。確保在一個單元格中一起輸入這些命令。plt命令不會更改早期單元格的圖形。

imgplot = plt.imshow(lum_img)
plt.colorbar()

這會為現有的圖形新增一個顏色條。如果更改切換到不同的色彩對映，則不會自動更改 - 必須重新建立繪圖，然後再次新增顏色欄。

檢查特定資料範圍

有時，希望增強影象的對比度，或者擴大特定區域的對比度，同時犧牲顏色的細節，這些顏色不會有太大變化，或者無關緊要。找到有趣區域的好工具是直方圖。要建立影象資料的直方圖，我們使用hist()函式。

plt.hist(lum_img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')

大多數情況下，影象的「有趣」部分位於峰值周圍，可以通過剪下峰值上方和/或下方的區域來獲得額外的對比度。在我們的直方圖中，看起來高階沒有太多有用的資訊(影象中的白色東西不多)。我們調整上限，以便有效地「放大」直方圖的一部分。通過將攀登論證傳遞給imshow來做到這一點。也可以通過呼叫影象繪圖物件的set_clim()方法來完成此操作，但在使用IPython Notebook時，請確保在與繪圖命令相同的單元格中執行此操作 - 它不會更改早期單元格中的繪圖。

可以在繪圖呼叫中指定clim -

imgplot = plt.imshow(lum_img, clim=(0.0, 0.7))

指定clim

還可以使用返回的物件指定clim - 

fig = plt.figure()
a = fig.add_subplot(1, 2, 1)
imgplot = plt.imshow(lum_img)
a.set_title('Before')
plt.colorbar(ticks=[0.1, 0.3, 0.5, 0.7], orientation='horizontal')
a = fig.add_subplot(1, 2, 2)
imgplot = plt.imshow(lum_img)
imgplot.set_clim(0.0, 0.7)
a.set_title('After')
plt.colorbar(ticks=[0.1, 0.3, 0.5, 0.7], orientation='horizontal')

指定clim

陣列插值方案

根據不同的數學方案，插值計算畫素「應該」的顏色或值。發生這種情況的一個常見地方是調整影象大小。畫素數會發生變化，但您需要相同的資訊。由於畫素是離散的，因此缺少空間。插值就是填充那個空間的方式。這就是為什麼當把它們炸掉時，影象有時看起來像是畫素化的原因。當原始影象和擴充套件影象之間的差異更大時，效果更明顯。拍攝照片並縮小它，有效地丟棄畫素，只保留少數畫素。現在，當我們繪製它時，資料會被炸成螢幕上的大小。舊畫素不再存在，計算機必須以畫素繪製以填充該空間。

載入影象的Pillow庫來調整影象大小。

from PIL import Image

img = Image.open('../../doc/_static/stinkbug.png')
img.thumbnail((64, 64), Image.ANTIALIAS)  # resizes image in-place
imgplot = plt.imshow(img)

調整圖像大小

這裡有預設的插值，雙線性，因為沒有給imshow()插值引數。

imgplot = plt.imshow(img, interpolation="nearest")