数字图像处理python代码下载,Python绘制图像
本文主要为大家介绍python数字图像处理图像的绘制实例。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。
00-1010文本1。分别用图形函数和子图形函数创建主窗口和子图形。2.创建显示窗口，用子图分割子图。3.用其他方法绘制和显示。
目录
实际上，我们以前已经使用过图像的绘制，例如：
io.imshow(img)
这行代码的本质就是用matplotlib包来绘制图片，绘制成功后会返回一个matplotlib类型的数据。因此，我们也可以这样写：
将matplotlib.pyplot作为plt导入
plt.imshow(img)
imshow()函数的格式为：
matplotlib.pyplot.imshow(X，cmap=None)
要绘制的图像或数组。
Cmap:色彩映射表(colormap)，默认情况下在RGB(A)色彩空间中绘制。
下面列出了其他可选的颜色映射：
颜色描述秋红-橙-黄骨黑-白、x射线冷蓝-品红铜黑-铜旗红-白-蓝-黑灰黑-白热黑-红-黄-白hsvhsv颜色空间、红-黄-绿-蓝-品红-红地狱黑-红-黄-喷蓝-绿-黄-红岩浆黑-红-白粉红黑-粉-白等离子绿-红-黄棱镜红-黄-绿-蓝-紫-.-绿色模式春季洋红色-黄色夏季绿色
plt.imshow(image，plt.cm.gray)
plt.imshow(img，cmap=plt.cm.jet)
在窗口上绘制图片后，返回一个AxesImage对象。要在窗口上显示这个对象，我们可以调用show()函数来显示，但是在练习的时候(在ipython环境下)，一般我们可以省略show()函数或者自动显示。
从skimage导入io，数据
img=data . aerospace()
dst=io.imshow(img)
打印(类型(夏令时))
io.show()
显示为：
如您所见，类型为“matplotlib.image.AxesImage”。展示一张图，我们通常更喜欢这样写：
将matplotlib.pyplot作为plt导入
从skimage导入io，数据
img=data . aerospace()
plt.imshow(img)
plt.show()
Matplotlib是一个专业的绘图库，相当于matlab中的plot。可以设置多个图形窗口，设置图形标题，隐藏坐标标尺，甚至可以使用支线剧情在一个图形中显示多个画面。一般来说，我们可以从马立克进口这个。
tplotlib库：
import matplotlib.pyplot as plt
也就是说，我们绘图实际上用的是matplotlib包的pyplot模块。
一、用figure函数和subplot函数分别创建主窗口与子图
例:分开并同时显示宇航员图片的三个通道
from skimage import dataimport matplotlib.pyplot as plt
img=data.astronaut()
plt.figure(num=astronaut,figsize=(8,8)) #创建一个名为astronaut的窗口,并设置大小
plt.subplot(2,2,1) #将窗口分为两行两列四个子图，则可显示四幅图片
plt.title(origin image) #第一幅图片标题
plt.imshow(img) #绘制第一幅图片
plt.subplot(2,2,2) #第二个子图
plt.title(R channel) #第二幅图片标题
plt.imshow(img[:,:,0],plt.cm.gray) #绘制第二幅图片,且为灰度图
plt.axis(off) #不显示坐标尺寸
plt.subplot(2,2,3) #第三个子图
plt.title(G channel) #第三幅图片标题
plt.imshow(img[:,:,1],plt.cm.gray) #绘制第三幅图片,且为灰度图
plt.axis(off) #不显示坐标尺寸
plt.subplot(2,2,4) #第四个子图
plt.title(B channel) #第四幅图片标题
plt.imshow(img[:,:,2],plt.cm.gray) #绘制第四幅图片,且为灰度图
plt.axis(off) #不显示坐标尺寸
plt.show() #显示窗口
在图片绘制过程中，我们用matplotlib.pyplot模块下的figure（）函数来创建显示窗口，该函数的格式为：
matplotlib.pyplot.figure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None)
所有参数都是可选的，都有默认值，因此调用该函数时可以不带任何参数，其中：
num: 整型或字符型都可以。如果设置为整型，则该整型数字表示窗口的序号。如果设置为字符型，则该字符串表示窗口的名称。用该参数来命名窗口，如果两个窗口序号或名相同，则后一个窗口会覆盖前一个窗口。
figsize: 设置窗口大小。是一个tuple型的整数，如figsize=（8，8）
dpi: 整形数字，表示窗口的分辨率。
facecolor: 窗口的背景颜色。
edgecolor: 窗口的边框颜色。
用figure()函数创建的窗口，只能显示一幅图片，如果想要显示多幅图片，则需要将这个窗口再划分为几个子图，在每个子图中显示不同的图片。我们可以使用subplot（）函数来划分子图，函数格式为：
matplotlib.pyplot.subplot(nrows,ncols,plot_number)
nrows: 子图的行数。
ncols: 子图的列数。
plot_number: 当前子图的编号。
如：
plt.subplot(2,2,1)
则表示将figure窗口划分成了2行2列共4个子图，当前为第1个子图。我们有时也可以用这种写法：
plt.subplot(221)
两种写法效果是一样的。每个子图的标题可用title()函数来设置，是否使用坐标尺可用axis()函数来设置，如：
plt.subplot(221)plt.title("first subwindow")
plt.axis(off)
二、用subplots来创建显示窗口与划分子图
除了上面那种方法创建显示窗口和划分子图，还有另外一种编写方法也可以，如下例:
import matplotlib.pyplot as pltfrom skimage import data,color
img = data.immunohistochemistry()
hsv = color.rgb2hsv(img)
fig, axes = plt.subplots(2, 2, figsize=(7, 6))
ax0, ax1, ax2, ax3 = axes.ravel()
ax0.imshow(img)
ax0.set_title("Original image")
ax1.imshow(hsv[:, :, 0], cmap=plt.cm.gray)
ax1.set_title("H")
ax2.imshow(hsv[:, :, 1], cmap=plt.cm.gray)
ax2.set_title("S")
ax3.imshow(hsv[:, :, 2], cmap=plt.cm.gray)
ax3.set_title("V")
for ax in axes.ravel():
ax.axis(off)
fig.tight_layout() #自动调整subplot间的参数
直接用subplots()函数来创建并划分窗口。注意，比前面的subplot()函数多了一个s，该函数格式为：
matplotlib.pyplot.subplots(nrows=1,ncols=1)
nrows: 所有子图行数，默认为1。
ncols: 所有子图列数，默认为1。
返回一个窗口figure, 和一个tuple型的ax对象，该对象包含所有的子图,可结合ravel()函数列出所有子图，如：
fig, axes = plt.subplots(2, 2, figsize=(7, 6))ax0, ax1, ax2, ax3 = axes.ravel()
创建了2行2列4个子图，分别取名为ax0,ax1,ax2和ax3, 每个子图的标题用set_title()函数来设置，如：
ax0.imshow(img)ax0.set_title("Original image")
如果有多个子图，我们还可以使用tight_layout()函数来调整显示的布局，该函数格式为：
matplotlib.pyplot.tight_layout(pad=1.08,h_pad=None,w_pad=None,rect=None)
所有的参数都是可选的，调用该函数时可省略所有的参数。
pad: 主窗口边缘和子图边缘间的间距，默认为1.08
h_pad, w_pad: 子图边缘之间的间距，默认为pad_inches
rect: 一个矩形区域，如果设置这个值，则将所有的子图调整到这个矩形区域内。
一般调用为：
plt.tight_layout() #自动调整subplot间的参数
三、其它方法绘图并显示
除了使用matplotlib库来绘制图片，skimage还有另一个子模块viewer，也提供一个函数来显示图片。不同的是，它利用Qt工具来创建一块画布，从而在画布上绘制图像。
例：
from skimage import datafrom skimage.viewer import ImageViewer
img = data.coins()
viewer = ImageViewer(img)
viewer.show()
最后总结一下，绘制和显示图片常用到的函数有：
以上就是python数字图像处理图像的绘制详解的详细内容，更多关于python数字图像处理绘制的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。