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

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：

Matplotlib imshow() 方法

显示彩色图像

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：

Matplotlib imshow() 方法

显示热力图

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：

Matplotlib imshow() 方法

显示地图

import matplotlib.pyplot as plt

import numpy as np

from PIL import Image



# 加载地图图像, 下载地址：https://www.hhuun.com/zb_users/upload/2024/03/20240325012612_70737.jpg

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：

Matplotlib imshow() 方法

显示矩阵

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：

Matplotlib imshow() 方法

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。

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(0,1,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()