Version 3.1.1
Matplotlib is hiring a Research Software Engineering Fellow! See discourse for details. Apply by January 3, 2020
关于使用matplotlib绘制图像的简短教程。
首先，让我们从伊比森开始。它是对标准python提示的最优秀的增强，它与matplotlib尤其密切相关。现在就从外壳或ipython笔记本开始ipython。
随着IPython的启动，我们现在需要连接到一个GUI事件循环。这将告诉IPython在何处（以及如何）显示绘图。要连接到GUI循环，请执行 %Matlab 在你的ipython提示下变魔术。有更多的细节说明这到底是在干什么 IPython's documentation on GUI event loops .
如果您使用的是ipython笔记本，则可以使用相同的命令，但人们通常使用特定的参数来实现 %matplotlib 魔力：
In [1]: %matplotlib inline
这将打开内嵌打印，打印图形将显示在笔记本中。这对交互性有重要影响。对于内联打印，输出打印的单元格下方单元格中的命令不会影响打印。例如，无法从创建绘图的单元格下方的单元格更改颜色映射。但是，对于其他后端，例如打开单独窗口的qt5，在创建绘图的那些后面的单元格将更改绘图-它是内存中的活动对象。
本教程将使用matplotlib的命令式打印界面pyplot。此界面保持全局状态，对于快速轻松地尝试各种绘图设置非常有用。另一种选择是面向对象的接口，它也非常强大，通常更适合于大型应用程序开发。如果你想了解面向对象的接口，一个很好的起点是 Usage guide . 现在，让我们继续使用命令式方法：
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
加载图像数据支持 Pillow 类库。Matplotlib本身只支持PNG图像。如果本机读取失败，下面显示的命令将返回到枕头上。
本例中使用的图像是一个PNG文件，但请记住您自己的数据需要枕头。
下面是我们将要播放的图像：
这是一个24位的r g b png图像（每一个r、g、b对应8位）。根据获取数据的位置，您最可能遇到的其他类型的图像是允许透明度的rgba图像，或单通道灰度（亮度）图像。您可以右键单击它，然后选择“将图像另存为”将其下载到您的计算机上，以完成本教程的其余部分。
我们开始…
img = mpimg.imread('../../doc/_static/stinkbug.png')
print(img)
出：
[[[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]]]
注意这里的数据类型-float32。Matplotlib已将每个通道的8位数据重新调整为介于0.0和1.0之间的浮点数据。作为旁注，枕头可以使用的唯一数据类型是uint8。Matplotlib Plotting可以处理float32和uint8，但除png之外的任何格式的图像读/写都限于uint8数据。为什么是8位？大多数显示器只能显示每个通道8位的颜色渐变值。为什么它们只能渲染8位/通道？因为这是人眼所能看到的。更多信息（从摄影角度来看）： Luminous Landscape bit depth tutorial .
每个内部列表代表一个像素。这里，对于一个RGB图像，有3个值。因为它是黑白图像，r、g和b都是相似的。一个rgba（其中a是alpha或transparency），每个内部列表有4个值，一个简单的亮度图像只有一个值（因此只有二维数组，而不是三维数组）。对于rgb和rgba图像，matplotlib支持float32和uint8数据类型。对于灰度，matplotlib仅支持float32。如果数组数据不符合其中一个描述，则需要重新缩放它。
所以，您的数据在一个numpy数组中（通过导入或生成它）。我们来渲染一下。在Matplotlib中，使用 imshow() 功能。在这里我们将抓取绘图对象。此对象提供了一种从提示操作绘图的简单方法。
imgplot = plt.imshow(img)
您还可以绘制任何numpy数组。
伪彩色可以成为增强对比度和更容易可视化数据的有用工具。这在使用投影仪显示数据时尤其有用-它们的对比度通常很差。
伪彩色只与单通道、灰度、亮度图像有关。我们目前有一个RGB图像。由于R、G和B都是相似的（请参见上面或您的数据），我们只需选择一个数据通道：
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)
现在，对于亮度（2d，无颜色）图像，将应用默认的颜色映射（又称查找表，lut）。默认值称为viridis。还有很多其他选择。
plt.imshow(lum_img, cmap="hot")
请注意，还可以使用 set_cmap() 方法：
imgplot = plt.imshow(lum_img)
imgplot.set_cmap('nipy_spectral')
注解
但是，请记住，在带有内联后端的IPython笔记本中，不能更改已经呈现的绘图。如果在一个单元格中创建imgplot，则不能在后一个单元格中对其调用set_cmap（），并期望早先的绘图发生更改。确保在一个单元格中同时输入这些命令。PLT命令不会更改早期单元格的绘图。
还有许多其他的配色方案可用。见 list and images of the colormaps .
了解颜色代表的值是很有帮助的。我们可以通过添加颜色条来做到这一点。
imgplot = plt.imshow(lum_img)
plt.colorbar()
这会在现有图形中添加颜色条。这不会自动改变，如果你改变你切换到一个不同的颜色映射-你必须重新创建你的绘图，并再次添加到颜色栏。
有时，您希望增强图像中的对比度，或者在特定区域扩大对比度，同时牺牲颜色变化不大或不重要的细节。找到有趣区域的一个好工具是柱状图。为了创建图像数据的柱状图，我们使用 hist() 功能。
plt.hist(lum_img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')
最常见的是，图像中“有趣的”部分位于峰值附近，您可以通过剪切峰值上方和/或下方的区域来获得额外的对比度。在我们的柱状图中，高端似乎没有太多有用的信息（图像中没有太多白色的东西）。让我们调整上限，以便有效地“放大”柱状图的一部分。我们通过将clim参数传递给imshow来实现这一点。您也可以通过拨打 set_clim() 图像打印对象的方法，但在使用ipython笔记本时，请确保在与plot命令相同的单元格中执行此操作-它不会更改早期单元格的打印。
您可以在调用中指定clim plot .
imgplot = plt.imshow(lum_img, clim=(0.0, 0.7))
还可以使用返回的对象指定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')
插值根据不同的数学方案计算像素“应该”的颜色或值。一个常见的情况是当你调整图像的大小。像素数会改变，但您需要相同的信息。因为像素是离散的，所以有丢失的空间。插值就是你如何填充这个空间。这就是为什么你的图像有时会在放大时看起来像像素。当原始图像和扩展图像之间的差异较大时，效果更明显。让我们把图像缩小。我们有效地丢弃了像素，只保留少数选择。现在，当我们绘制它时，数据会放大到屏幕上的大小。旧的像素已经不存在了，计算机必须绘制像素来填充这个空间。
我们将使用我们用来加载图像的枕头库来调整图像的大小。
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)
这里我们有默认的插值，双线性，因为我们没有给出 imshow() 任何插值参数。
我们试试其他的吧。这是“最近的”，没有插值。
imgplot = plt.imshow(img, interpolation="nearest")
双三次：
imgplot = plt.imshow(img, interpolation="bicubic")
双三次插值常用于放大照片-人们倾向于模糊而不是像素化。
脚本的总运行时间： （0分2.042秒）