matplotlib 笔记 imshow

Posted 2022-02-10 UQI-LIUWJ

1 基本介绍

        将数据显示为图像，一般放到在 2D 常规栅格上。

输入可以是实际的 RGB(A) 数据，也可以是 2D 标量数据，它们将被渲染为伪彩色图像。

         为了显示灰度图像，使用参数 cmap='gray', vmin=0, vmax=255 设置颜色映射。

        plt.imshow()函数负责对图像进行处理，并显示其格式，但是不能显示。其后跟着plt.show（）才能显示出来。

2 基本使用方法

matplotlib.pyplot.imshow(X, 
    cmap=None, 
    norm=None, 
    *, 
    aspect=None, 
    interpolation=None, 
    alpha=None, 
    vmin=None, 
    vmax=None, 
    origin=None, 
    extent=None, 
    interpolation_stage=None, 
    filternorm=True, 
    filterrad=4.0, 
    resample=None, 
    url=None, 
    data=None, 
    **kwargs)

3 主要参数说明

X	图像数据。 支持的数组形状有： (M, N)：具有标量数据的图像。 使用normalization和colormap将值映射到颜色。 参见 参数 norm、cmap、vmin、vmax。 (M, N, 3)：具有 RGB 值（0-1 float 或 0-255 int）的图像。 (M, N, 4)：具有 RGBA 值（0-1 float 或 0-255 int）的图像，A是透明度。         前两个维度 (M, N) 定义图像的行和列。 超出范围的 RGB(A) 值将被剪裁。
cmap
norm	Normalize 实例用于在使用 cmap 映射到颜色之前将标量数据缩放到 [0, 1] 范围。         默认情况下，使用将最小值映射到 0 并将最大值映射到 1 的线性缩放。          对于 RGB(A) 数据，此参数将被忽略。
interpolation	使用的插值方法。 支持的值为 'none'、'antialiased'、'nearest'、'bilinear'、'bicubic'、'spline16'、'spline36'、'hanning'、'hamming'、 'hermite'、'kaiser'、'quadric' , 'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos', 'blackman'。
alpha	透明度，介于 0（透明）和 1（不透明）之间。 如果 alpha 是一个数组，则 alpha 是逐像素应用的，并且 alpha 必须具有与 X 相同的形状。
vmin, vmax	当使用标量数据且没有明确的范数时，vmin 和 vmax 定义颜色图覆盖的数据范围。 默认情况下，颜色图覆盖所提供数据的完整值范围。 给出 norm 时使用 vmin/vmax 是错误的。 当使用 RGB(A) 数据时，参数 vmin/vmax 被忽略。
origin	'upper', 'lower' default: 'upper' 将数组的 [0, 0] 索引放置在 Axes 的左上角或左下角。
extent	floats (left, right, bottom, top)         图像将填充的数据坐标中的边界框。 图像沿 x 和 y 单独拉伸以填充框。

参考内容：matplotlib.pyplot.imshow — Matplotlib 3.5.1 documentation