政安晨:在Jupyter中【示例演绎】Matplotlib的官方指南(二){Image tutorial}·{Python语言}

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:

复制代码
%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

复制代码
from PIL import Image

import 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(dtype=uint8)的numpy数组。

复制代码
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。

复制代码
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)。

复制代码
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。

复制代码
plt.imshow(lum_img, cmap="hot")

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:

复制代码
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。

复制代码
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。

复制代码
plt.hist(lum_img.ravel(), bins=range(256), fc='k', ec='k')

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:

复制代码
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。

复制代码
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。

复制代码
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:

复制代码
imgplot = plt.imshow(img, interpolation="bilinear")

和双三次插值:

复制代码
imgplot = plt.imshow(img, interpolation="bicubic")

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。

相关推荐
try2find26 分钟前
安装llama-cpp-python踩坑记
开发语言·python·llama
博观而约取1 小时前
Django ORM 1. 创建模型(Model)
数据库·python·django
精灵vector3 小时前
构建专家级SQL Agent交互
python·aigc·ai编程
Zonda要好好学习3 小时前
Python入门Day2
开发语言·python
Vertira3 小时前
pdf 合并 python实现(已解决)
前端·python·pdf
太凉3 小时前
Python之 sorted() 函数的基本语法
python
项目題供诗3 小时前
黑马python(二十四)
开发语言·python
晓13134 小时前
OpenCV篇——项目(二)OCR文档扫描
人工智能·python·opencv·pycharm·ocr
是小王同学啊~4 小时前
(LangChain)RAG系统链路向量检索器之Retrievers(五)
python·算法·langchain
AIGC包拥它4 小时前
提示技术系列——链式提示
人工智能·python·langchain·prompt