Matplotlib 图片教程

更多关于matplotlib的学习请关注博客文章

---

图片教程

利用matplotlib处理图片

导入

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

---

将图像数据导入到NumPy数组

这是我们要处理的图片：

让我们打开并输出它：

img = mpimg.imread('C:\\Users\\wangz\\Desktop\\Pic.png') #图片路径
print(img)

---

将NumPy数组绘制成图像

imshow()函数将numpy数组中的数据渲染成图像。

imgplot = plt.imshow(img)

伪彩色应用于图像

伪彩色是增强对比度和更轻松地可视化数据的有用工具。

伪彩色仅与单通道，灰度，发光度图像有关。我们目前有一个RGB图像。由于R，G和B都是相似的（请参见上方或数据中的内容），我们可以选择一个数据通道：

lum_img = img[:,:,0]   #数组切片，更多相关切片请看个人博客关于NumPy学习
plt.imshow(lum_img)

同样，对于亮度图像，将应用默认的颜色图（又名查找表：LUT）。默认名称为viridis,也有其他可供选择:

plt.imshow(lum_img,cmap="hot")    #暖色调显示

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K5BxOluw-1606307269445)(C:\Users\wangz\AppData\Roaming\Typora\typora-user-images\image-20201120212946492.png)]

您还可以使用set_cmap()方法更改现有打印对象上的颜色图

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

可以通过添加颜色条来了解颜色代表什么价值，可通过matplotlib.pyplot.colorbar()函数实现

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

如果你想增强图像的对比度，或扩大特定区域的对比度，同时牺牲颜色变化不大或无关紧要的细节。直方图是个好工具。要创建图像数据的直方图，我们使用hist()函数。

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

在获取图像的主要的区域[0.0，0.7]后 (如直方图所示)，

我们可以通过传递clim参数或者调用**set_clim()**方法修改图像对比度

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

---

如果你发现文章中出现的错误或者任何疑问欢迎在下方评论区评论

---

更多文章欢迎到个人博客查看点此跳转