共享经济型网站开发,电子商务网站建设如何实施,公司网站上的员工风采怎么做,全国十大网站设计工作室咱们接着上一篇#xff0c;这次咱们讲使用Matplotlib绘制图像的简短尝试。
我的这个系列的上一篇文章在这里#xff1a;
政安晨#xff1a;在Jupyter中【示例演绎】Matplotlib的官方指南#xff08;一#xff09;{Pyplot tutorial}https://blog.csdn.net/snowdenkeke/ar…咱们接着上一篇这次咱们讲使用Matplotlib绘制图像的简短尝试。
我的这个系列的上一篇文章在这里
政安晨在Jupyter中【示例演绎】Matplotlib的官方指南一{Pyplot tutorial}https://blog.csdn.net/snowdenkeke/article/details/136096870
简介
Matplotlib是一个用于绘制图表的Python库它包含了丰富的图形绘制功能其中Matplotlib的Image功能是用于处理和显示图像数据的模块。
使用Matplotlib的Image功能可以读取、展示和处理图像数据它支持常见的图像格式如JPEG、PNG等并提供了各种方法和函数来操作图像数据。
要读取图像数据可以使用imread()函数它可以将图像文件加载到一个NumPy数组中。加载后的图像数据可以通过imshow()函数来显示。
Matplotlib的Image功能还提供了一系列的图像处理函数如调整图像大小、裁剪、旋转、滤波等。这些函数可以在图像数据上进行操作并返回处理后的图像数据。
除了基本的图像处理功能外Matplotlib的Image功能还提供了一些高级的特性如图像的融合、图像的绘制和叠加、图像的透明度调整等这些功能可以应用于各种图像处理和视觉化任务中。
总之Matplotlib的Image功能提供了丰富而强大的图像处理和显示功能使得用户可以方便地处理和展示图像数据无论是简单的图像操作还是复杂的图像处理任务Matplotlib的Image功能都能提供灵活和高效的解决方案。 启动命令
让咱们启动IPython。
它是标准Python提示的一个非常好的增强功能并且与Matplotlib非常紧密地关联在一起。可以直接在shell上启动IPython也可以在Jupyter Notebook中启动其中IPython作为一个运行内核。
启动IPython后我们现在需要连接到一个图形用户界面事件循环。
这告诉IPython在哪里以及如何显示图形。要连接到GUI循环请在IPython提示符处执行%matplotlib魔术命令。关于此命令的详细信息请参阅IPython文档中有关GUI事件循环的部分。
如果您正在使用Jupyter Notebook相同的命令也可以使用但人们通常将特定的参数用于matplotlib魔术命令
%matplotlib inline
咱们依旧在Conda虚拟环境中启动Jupyter Notebook 这将打开内联绘图绘图图形将显示在你的笔记本中。这对交互性有重要的影响。
对于内联绘图在输出绘图的单元格下面的单元格中的命令不会影响绘图。
例如无法从创建绘图的单元格下面的单元格中更改色图。
然而对于其他后端如打开一个单独窗口的Qt下面的单元格将更改绘图 - 它是内存中的一个活动对象。
本篇将使用Matplotlib的隐式绘图接口pyplot。
这个接口维护全局状态非常适用于快速简便地尝试不同的绘图设置。另一种选择是显式接口更适合于大型应用程序开发。
现在让我们开始隐式方法的学习
from PIL import Imageimport matplotlib.pyplot as plt
import numpy as np
将图像数据导入到NumPy数组中
Matplotlib依赖Pillow库来加载图像数据。
下面是我们要使用的图像 这是一张24位RGB的PNG图像每个颜色通道的位数为8位。
根据获得数据的方式您可能会遇到其他类型的图像最常见的是包含透明度的RGBA图像或者单通道灰度亮度图像。
我们使用Pillow来打开图像使用PIL.Image.open然后立即将PIL.Image.Image对象转换为8位dtypeuint8的numpy数组。
img np.asarray(Image.open(./stinkbug.png))
print(repr(img))
小伙伴们可以将这张图像拷贝到工作目录中
我的执行如下 每个内部列表代表一个像素在这里对于一个 RGB 图像有 3 个值。由于这是一张黑白图片R、G 和 B 都是相似的。一个 RGBA 图像其中 A 代表 alpha 或透明度每个内部列表有 4 个值而一个简单的亮度图像只有一个值因此只是一个 2D 数组而不是一个 3D 数组。对于 RGB 和 RGBA 图像Matplotlib 支持 float32 和 uint8 数据类型。对于灰度图像Matplotlib 只支持 float32。如果你的数组数据不符合上述描述你需要重新缩放它。
将numpy数组绘制为图像
您刚才已经将数据存储在一个numpy数组中通过导入或生成。
我们可以使用Matplotlib的imshow()函数来显示它在这里我们将获取绘图对象这个对象可以方便地在提示符下操作绘图。
imgplot plt.imshow(img)
我的执行如下 您还可以绘制任何NumPy数组。
将伪彩色方案应用于图像绘图
伪彩色可以是增强对比度和更轻松地可视化数据的有用工具当使用投影仪展示数据时这尤其有用-它们的对比度通常很差。
伪彩色只与单通道、灰度、亮度图像相关。我们目前有一个RGB图像由于R、G和B都相似可在上方或数据中自行查看我们可以使用数组切片来选择数据的一个通道您可以在Numpy教程中了解更多信息。
lum_img img[:, :, 0]
plt.imshow(lum_img) 现在对于一张亮度2D无色彩图像会应用默认的色彩映射表也称为查找表LUT。默认的色彩映射表被称为viridis。还有很多其他选择。
plt.imshow(lum_img, cmaphot)
我的执行如下 请注意您还可以使用set_cmap()方法来更改现有绘图对象的颜色映射
imgplot plt.imshow(lum_img)
imgplot.set_cmap(nipy_spectral) 注意
请记住在使用内联后端的Jupyter Notebook中无法对已呈现的图进行更改。如果您在一个单元格中创建了imgplot则不能在以后的单元格中调用set_cmap()并期望更早的绘图发生变化。确保您将这些命令一起输入一个单元格中。plt命令不会更改之前单元格中的绘图。
还有许多其他的颜色映射方案可供选择请查看颜色映射的列表和图像。
颜色标度参考
在图表中添加一个颜色条是有助于了解颜色所代表的价值的。
imgplot plt.imshow(lum_img)
plt.colorbar()
我的执行 检查特定的数据范围
有时候您可能希望增强图像的对比度或者在牺牲不太变化或不重要的颜色细节的情况下扩大特定区域的对比度。一个很好的工具来找到有趣的区域是直方图。为了创建我们图像数据的直方图我们使用hist()函数。
plt.hist(lum_img.ravel(), binsrange(256), fck, eck) 通常图像中“有趣”的部分通常在峰值附近通过裁剪峰值上方和/或下方的区域可以获得额外的对比度在我们的直方图中高端似乎没有太多有用的信息图像中没有太多白色物体让我们调整上限以便我们有效地“放大”直方图的一部分。
我们通过设置colormap限制clim来实现这一点。
可以通过在调用imshow时传递一个clim关键字参数来实现这一点
plt.imshow(lum_img, clim(0, 175)) 这也可以通过调用返回的图像绘制对象的set_clim()方法来实现但是在使用Jupyter Notebook时请确保在与绘图命令相同的单元格中进行操作否则它不会更改先前单元格中的绘图。
imgplot plt.imshow(lum_img)
imgplot.set_clim(0, 175) 数组插值方案
插值计算了像素的颜色或值根据不同的数学方案计算出像素“应该”是什么。
一个常见的应用场景是调整图像的大小像素的数量发生了变化但你希望保留相同的信息。
由于像素是离散的存在着缺失的空间插值就是用来填充这个空间的方法这就是为什么当你放大图像时图像有时会出现像素化的效果。当原始图像和放大后的图像之间的差异越大时效果就更加明显让我们来缩小一下我们的图像我们有效地丢弃了一些像素只保留了一小部分现在当我们绘制它时这些数据被放大到屏幕上的尺寸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pillow库来加载图片并调整图片的大小。
img Image.open(./stinkbug.png)
img.thumbnail((64, 64)) # resizes image in-place
imgplot plt.imshow(img) 在这里我们使用默认的插值方法“nearest”因为我们没有给imshow()函数传递任何插值参数。
让我们尝试一些其他的词。这是“双线性”的意思
imgplot plt.imshow(img, interpolationbilinear) 和双三次插值
imgplot plt.imshow(img, interpolationbicubic) 双三次插值经常用于放大照片 - 人们倾向于模糊而不是像素化。
