Matplotlib 入门之 Image Tutorial

在 Matplotlib 中，可以利用图像、矩阵和 DataFrame 数据来进行高质量的图形绘制。

加载图像

要加载图像，我们需要导入 matplotlib.image 包。

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

# 读取图像
img = mpimg.imread('example.png')

# 显示图像
imgplot = plt.imshow(img)
plt.show()

其中 imshow 函数是用来显示图像的， show 函数则是用来展示图像的。

裁剪图像

要裁剪图像，我们可以使用 NumPy 中的数组切片的方法。下面是一个将图像的指定区域裁剪下来并显示的例子。

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

# 读取图像
img = mpimg.imread('example.png')

# 裁剪图像
cropped_img = img[200:400, 300:500]

# 显示图像
imgplot = plt.imshow(cropped_img)
plt.show()

矩阵表示图像

图像可以看成是一个二维的矩阵，可以通过 Matplotlib 的 imshow 函数来实现。需要注意的是，图像的像素值需要在 0-1 范围内。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机二维矩阵
img = np.random.rand(10, 10)

# 显示图像
imgplot = plt.imshow(img, cmap='gray')
plt.show()

上述代码中，我们使用 np.random.rand 生成了一个 10×10 的随机矩阵，并最后使用 cmap='gray' 参数将图像显示为灰度图。

绘制 RGB 图像

对于 RGB 图像，我们通常使用三个 2D 矩阵表示红、绿、蓝三个通道。下面是一个将这三个通道合并在一起的例子。

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

# 读取图像
img = mpimg.imread('example.png')

# 每个通道的数组
r = img[:, :, 0]
g = img[:, :, 1]
b = img[:, :, 2]

# 合并三个通道在一起
img = np.dstack([r, g, b])

# 显示图像
imgplot = plt.imshow(img)
plt.show()

在上述代码中，我们使用 NumPy 的 dstack 函数将红、绿、蓝三个通道的数组合并起来。

总结

在本文中，我们介绍了 Matplotlib 中针对图像的几种操作方式，包括加载图像、裁剪图像、矩阵表示图像和绘制 RGB 图像等。这些操作对于将 Matplotlib 应用于图像处理和计算机视觉任务非常重要。