python数字图像处理

ゝ一世哀愁。 2022-12-03 09:04 334阅读 0赞

1, subplot的使用

  • matlab中的用法: subplot（m,n,p）或者subplot（m n p）

subplot是将多个图画到一个平面上的工具。其中，m和n代表在一个图像窗口中显示m行n列个图像，也就是整个figure中有n个图是排成一行的，一共m行，后面的p代表现在选定第p个图像区域，即在第p个区域作图。如果m=2就是表示2行图。p表示图所在的位置，p=1表示从左到右从上到下的第一个位置。

  1. '''
  2. 注:ezplot（f，[-3,3])，表示画f函数的图形，取值区间在[-3,3]
  3. 代码如下：
  4. '''
  5. subplot(2,2,[1,2])
  6. ezplot('sin',[-1,1])
  7. grid minor
  8. subplot(2,2,3)
  9. ezplot('x',[-3,3])
  10. subplot(2,2,4)
  11. ezplot('x.^3',[-3,3])
  12. grid

format_png

  • matplotlib 中的subplot的用法: subplot(numRows, numCols, plotNum)

https://blog.csdn.net/haikuotiankong7/article/details/90551841

Matplotlib的子图subplot的使用https://www.jianshu.com/p/de223a79217a

matplotlib 中的subplot的用法https://www.cnblogs.com/caizhou520/p/11224526.html

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  4. def f(t):
  5.     return np.exp(-t) * np.cos(2 * np.pi * t)
  7. if __name__ == '__main__' :
  8.     t1 = np.arange(0, 5, 0.1)
  9.     t2 = np.arange(0, 5, 0.02)
  11.     plt.figure(12)
  12.     plt.subplot(221)
  13.     plt.plot(t1, f(t1), 'bo', t2, f(t2), 'r--')
  15.     plt.subplot(222)
  16.     plt.plot(t2, np.cos(2 * np.pi * t2), 'r--')
  18.     plt.subplot(212)
  19.     plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
  21.     plt.show()

2,颜色反转Grayscale conversion和cmap的取值

  1. plt.imshow(data, cmap='Greens')  #cmap是colormap的简称，用于指定渐变色，默认的值为viridis, 在matplotlib中，内置了一系列的渐变色.
  3. """
  4. ==================
  5. Colormap reference:https://matplotlib.org/examples/color/colormaps_reference.html
  6. ==================
  8. Reference for colormaps included with Matplotlib.
  10. This reference example shows all colormaps included with Matplotlib. Note that
  11. any colormap listed here can be reversed by appending "_r" (e.g., "pink_r").
  12. These colormaps are divided into the following categories:
  14. Sequential:
  15.     These colormaps are approximately monochromatic colormaps varying smoothly
  16.     between two color tones---usually from low saturation (e.g. white) to high
  17.     saturation (e.g. a bright blue). Sequential colormaps are ideal for
  18.     representing most scientific data since they show a clear progression from
  19.     low-to-high values.
  21. Diverging:
  22.     These colormaps have a median value (usually light in color) and vary
  23.     smoothly to two different color tones at high and low values. Diverging
  24.     colormaps are ideal when your data has a median value that is significant
  25.     (e.g.  0, such that positive and negative values are represented by
  26.     different colors of the colormap).
  28. Qualitative:
  29.     These colormaps vary rapidly in color. Qualitative colormaps are useful for
  30.     choosing a set of discrete colors. For example::
  32.         color_list = plt.cm.Set3(np.linspace(0, 1, 12))
  34.     gives a list of RGB colors that are good for plotting a series of lines on
  35.     a dark background.
  37. Miscellaneous:
  38.     Colormaps that don't fit into the categories above.
  40. """
  41. import numpy as np
  42. import matplotlib.pyplot as plt
  45. # Have colormaps separated into categories:
  46. # http://matplotlib.org/examples/color/colormaps_reference.html
  47. cmaps = [('Perceptually Uniform Sequential', [
  48.             'viridis', 'plasma', 'inferno', 'magma']),
  49.          ('Sequential', [
  50.             'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
  51.             'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
  52.             'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']),
  53.          ('Sequential (2)', [
  54.             'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
  55.             'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
  56.             'hot', 'afmhot', 'gist_heat', 'copper']),
  57.          ('Diverging', [
  58.             'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
  59.             'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']),
  60.          ('Qualitative', [
  61.             'Pastel1', 'Pastel2', 'Paired', 'Accent',
  62.             'Dark2', 'Set1', 'Set2', 'Set3',
  63.             'tab10', 'tab20', 'tab20b', 'tab20c']),
  64.          ('Miscellaneous', [
  65.             'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
  66.             'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg', 'hsv',
  67.             'gist_rainbow', 'rainbow', 'jet', 'nipy_spectral', 'gist_ncar'])]
  70. nrows = max(len(cmap_list) for cmap_category, cmap_list in cmaps)
  71. gradient = np.linspace(0, 1, 256)
  72. gradient = np.vstack((gradient, gradient))
  75. def plot_color_gradients(cmap_category, cmap_list, nrows):
  76.     fig, axes = plt.subplots(nrows=nrows)
  77.     fig.subplots_adjust(top=0.95, bottom=0.01, left=0.2, right=0.99)
  78.     axes[0].set_title(cmap_category + ' colormaps', fontsize=14)
  80.     for ax, name in zip(axes, cmap_list):
  81.         ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(name))
  82.         pos = list(ax.get_position().bounds)
  83.         x_text = pos[0] - 0.01
  84.         y_text = pos[1] + pos[3]/2.
  85.         fig.text(x_text, y_text, name, va='center', ha='right', fontsize=10)
  87.     # Turn off *all* ticks & spines, not just the ones with colormaps.
  88.     for ax in axes:
  89.         ax.set_axis_off()
  92. for cmap_category, cmap_list in cmaps:
  93.     plot_color_gradients(cmap_category, cmap_list, nrows)
  95. plt.show()

Sequential colormaps

下面第一幅是用Greys, 第二幅是用Greys_r :

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmc1MjExMzE0MTMxNA_size_16_color_FFFFFF_t_70

3,matplotlib.pyplot.axis()用法

axis()的用法https://www.cnblogs.com/10439-y/p/11788979.html

https://blog.csdn.net/muyimo/article/details/79697905

matplotlib.pyplot.axis() https://blog.csdn.net/The_Time_Runner/article/details/89888206

4,matplotlib中的plt.figure()、plt.subplot()、plt.subplots()、add_subplots以及add_axes的使用

注意:subplot和subplots的区别

https://blog.csdn.net/C_chuxin/article/details/83994457

python3_matplotlib_figure()函数解析https://blog.csdn.net/admin_maxin/article/details/80667671

python中关于matplotlib库的figure,add_subplot,subplot,subplots函数https://blog.csdn.net/weixin_44922452/article/details/90716289

5,python3，matplotlib绘图，title、xlabel、ylabel、图例等出现中文乱码

https://blog.csdn.net/weixin_43186036/article/details/82881748

在Windows系统找到中文字体添加进去就可以,只有部分字体能够右键查看他们的属性:C:\Windows\Fonts

  1. '''
  2.       常用字体对应路径
  4. 宋体常规     C:\Windows\Fonts\simsun.ttc
  5. 新宋体常规   C:\Windows\Fonts\simsun.ttc
  6. ‪黑体常规     C:\Windows\Fonts\simhei.ttf
  7. ‪楷体常规     C:\Windows\Fonts\simkai.ttf
  8. 仿宋常规     ‪C:\Windows\Fonts\simfang.ttf
  9. ‪隶体常规     ‪C:\Windows\Fonts\SIMLI.TTF
  10. ‪华文新魏     C:\Windows\Fonts\STXINWEI.TTF
  11. '''
  12. '''
  13. %matplotlib inline 可以在Ipython编译器里直接使用，功能是可以内嵌绘图，并且可以省略掉plt.show()这一步。
  14. 但在spyder用会报错. 经过我的的验证该句在spyder下的Ipython也没有任何作用,因为在spyder下的Ipython会自动输出图像
  15. '''
  16. %matplotlib inline 
  17. import matplotlib # 注意这个也要import一次
  18. import matplotlib.pyplot as plt
  21. #from matplotlib.font_manager import FontProperties
  22. #font_set = FontProperties(fname=r"c:/windows/fonts/simsun.ttc", size=15)
  23. '''
  24. 路径中的双引号和单引号都可以,斜杠和反斜杠也都可以
  25. 另外说明：因python3默认使用中unicode编码, 所以在写代码时不再需要写 plt.xlabel(u'横')，而是直接写plt.xlabel('横')
  26. '''
  27. #myfont = matplotlib.font_manager.FontProperties(fname=r"C:\Windows\Fonts\STXINWEI.TTF") # fname指定字体文件  选简体显示中文
  28. myfont = matplotlib.font_manager.FontProperties(fname=r'C:\Windows\Fonts\simkai.ttf', size=15)
  29. plt.plot((1,2,3),(4,3,-1))
  30. plt.xlabel('横', fontproperties=myfont) # 这一段
  31. plt.ylabel('纵', fontproperties=myfont) # 这一段
  32. #plt.show() # 有了%matplotlib inline 就可以省掉plt.show()了
  34. '''
  35. 也可以不使用matplotlib.font_manager.FontProperties语句导入字体,直接使用fontproperties='SimHei',matplotlib可以自己找到部分字体,但找不全
  36. '''
  37. plt.plot((1,2,3),(4,3,-1))
  38. plt.xlabel(u'横坐标', fontproperties='STXINWEI') #新魏字体
  39. plt.ylabel(u'纵坐标', fontproperties='SimHei') # 黑体

6,matplotlib基础绘图命令之imshow

https://cloud.tencent.com/developer/article/1677118

7,用箭头和文字来标记重要的点,对图标的坐标轴进行调整

https://cloud.tencent.com/developer/article/1688511

https://cloud.tencent.com/developer/article/1688564

8,python画图入门汇总教程-先看

Python3快速入门（十六）——Matplotlib绘图https://blog.51cto.com/9291927/2435621

python画图入门https://zhuanlan.zhihu.com/c_1239148130719158272

9,python：图片的float类型和uint8类型

https://blog.csdn.net/weixin_40522801/article/details/107901533

python中不同函数读取图片格式的区别https://blog.csdn.net/u013044310/article/details/80739623

在python图像处理过程中，遇到的RGB图像的值是处于0-255之间的，为了更好的处理图像，通常python提供的读取图片函数默认都会将图像值转变到0-1之间.

float,float32,float64这三个数据类型的范围都是 [0.0, 1.0] or [-1.0, 1.0] :https://scikit-image.org/docs/stable/api/skimage.util.html

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhbnhpYTE5OTU_size_16_color_FFFFFF_t_70

10,scipy.misc.bytescale的替代方案

scipy.misc.bytescale的替代函数代码https://download.csdn.net/download/king52113141314/12810274

skimage.util.img_as_ubyte is a replacement for scipy.misc.bytescale

the scipy.misc.bytescale doc states the following:

Byte scaling means converting the input image to uint8 dtype and scaling the range to (low, high) (default 0-255). If the input image already has dtype uint8, no scaling is done.

the skimage.util.img_as_ubyte doc states the following:

Convert an image to 8-bit unsigned integer format. Negative input values will be clipped. Positive values are scaled between 0 and 255.

https://stackoverflow.com/questions/58811889/what-replaces-scipy-misc-bytescale

https://stackoverflow.com/questions/53705804/alternatives-to-scipys-misc-bytescale-method

11,matplotlib.pyplot.``imread函数返回值

https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.imread.html








Returns:

imagedata : numpy.array

The image data. The returned array has shape



  • (M, N) for grayscale images.

  • (M, N, 3) for RGB images.

  • (M, N, 4) for RGBA images. (red, green, blue, alpha) floats in the range 0-1

12,用python将图像转换为三维数组

RGB images are usually stored as 3 dimensional arrays of 8-bit unsigned integers. The shape of the array is:

  1. height x width x 3. 这和分辨率(1920×1080)恰相反

用python将图像转换为三维数组之后，每一维，每个元素值都代表着什么？https://blog.csdn.net/gaifuxi9518/article/details/88364167

13, Creating Image with numpy

在线拾色器-输入RGB值输出颜色https://www.w3cschool.cn/tools/index?name=cpicker

https://www.pythoninformer.com/python-libraries/numpy/numpy-and-images/

14,numpy之histogram,plt.bar()与plt.barh条形图

https://blog.csdn.net/yangwangnndd/article/details/89489946

plt.bar()与plt.barh条形图https://www.cnblogs.com/zyg123/p/10504637.html

numpy.``histogram(a, bins=10, range=None, normed=False, weights=None, density=None)[source]








Returns:

hist : array



The values of the histogram. See density and weights for a description of the possible semantics.


bin_edges : array of dtype float



Return the bin edges (length(hist)+1)

a是待统计数据的数组；
bins指定统计的区间个数；
range是一个长度为2的元组，表示统计范围的最小值和最大值，默认值None，表示范围由数据的范围决定
weights为数组的每个元素指定了权值,histogram()会对区间中数组所对应的权值进行求和
density为True时，返回每个区间的概率密度；为False，返回每个区间中元素的个数

  1. import numpy as np
  2. import matplotlib.pyplot as plt
  4. a = np.random.rand(100)
  5. np.histogram(a,bins=5,range=(0,1))
  6. dct_hist, dct_bin_edges = np.histogram(a,bins=5,range=(0,1))
  7. img_hist, img_bin_edges = np.histogram(a,bins=[0,0.2,0.5,0.8,1])
  9. f, (plt1, plt2) = plt.subplots(1, 2, figsize=(15, 5))
  11. plt1.set_title('Frequency histogram')
  12. plt1.bar(dct_bin_edges[:-1], dct_hist, width = 0.1)#注意dct_bin_edges的数据比dct_hist数据多一个,因此要去除一个数据才能画图
  14. plt2.set_title('Spatial histogram')
  15. plt2.bar(img_bin_edges[1:], img_hist, width = 0.1)
  17. #输出
  18. In [75]: np.histogram(a,bins=5,range=(0,1))
  19. Out[75]: 
  20. (array([18, 19, 13, 24, 26], dtype=int64),#注意bin_edges的数据比hist数据多一个,即the bin edges (length(hist)+1)
  21.  array([0. , 0.2, 0.4, 0.6, 0.8, 1. ]))   #18表示a中有18个数落在[0,0.2]区间,19个数落在[0.2,0.4]区间
  23. In [76]: np.histogram(a,bins=[0,0.2,0.5,0.8,1])
  24. Out[76]: (array([18, 26, 30, 26], dtype=int64), array([0. , 0.2, 0.5, 0.8, 1. ]))

" class="reference-link">watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmc1MjExMzE0MTMxNA_size_16_color_FFFFFF_t_70 1

15,Python中[ : n]、[m : ]、[-1]、[:-1]、[::-1]、[2::-1]和[1:]的含义

https://blog.csdn.net/SpringRolls/article/details/95220169

Python中双冒号的作用[::]

Python sequence slice addresses can be written as a[start:end:step] and any of start, stop or end can be dropped.

Python序列切片地址可以写为[开始：结束：步长]，其中的开始和结束可以省略

#

#

#

#

#

#

#

#

#

#

参考:

python数字图像处理 https://www.cnblogs.com/denny402/p/5121501.html

python skimage图像处理(一)https://www.jianshu.com/p/f2e88197e81d

用python简单处理图片（1）：打开\显示\保存图像 https://www.cnblogs.com/denny402/p/5096001.html

「Matplotlib绘图详解」https://zhuanlan.zhihu.com/p/43877804

Matplotlib 教程https://www.runoob.com/w3cnote/matplotlib-tutorial.html

Matplotlib official tutorial https://matplotlib.org/tutorials/colors/colormaps.html

python之matplotlib绘图基础 https://www.cnblogs.com/liutongqing/p/6985805.html

发表评论

表情：
评论列表 （有 0 条评论，334人围观）

还没有评论，来说两句吧...

相关阅读

    相关 数字图像处理-图像压缩

    图像压缩介绍 概念 图像压缩是图像编码的一种典型用途。数据压缩的对象是数据，大的数据量并不代表含有大的信息量。图像压缩就是除去图像中多余的数据而对信息没有本质的影响

    灰太狼灰太狼/ 0 赞/ 52 阅读

    相关 数字图像处理入门

    图像是指能在人的视觉系统中产生视觉印象的客观对象，包括自然景物、拍摄到的图片、用数学方法描述的图形.图像的要素有儿何要素〈刻画对象的轮廓、 形状等〉和非几何要素（刻画对象的颜色

    一时失言乱红尘一时失言乱红尘/ 0 赞/ 572 阅读

    相关 数字图像处理

    1 数字图像处理的概念 1.1 什么是图像？ 定义为二维函数f(x,y)，其中x，y是空间（平面）坐标，f是点（x,y）的幅值。 1.2 什么是数字图像？

    女爷i女爷i/ 0 赞/ 535 阅读

    相关 MATLAB数字图像处理

    工具： MATLAB； 动机：使用 MATLAB toolbox 程序设计相对简单，通过初步学习一些图像处理的常见技术，帮助建立这方面的技能体系； 面向对象：有过经验...

    你的名字你的名字/ 0 赞/ 972 阅读