Matplotlib - 处理图像

Matplotlib 的 image 模块以及 imshow 函数，允许您显示表示为 NumPy 数组的二维栅格图像（例如照片或热力图）。

加载图像数据

Matplotlib 的 matplotlib.image.imread() 可以原生加载 PNG 图像。对于其他格式（如 JPEG、TIFF 等），它依赖于 Pillow 库（PIL，Python Imaging Library 的一个友好分支）。如果需要处理各种图像格式，请确保 Pillow 已安装（pip install Pillow）。

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

try:
    # Load an image file into a NumPy array
    # 将图像文件加载到 NumPy 数组中
    # Replace 'my_image.png' with the path to your image
    # 将 'my_image.png' 替换为您的图像路径
    img_array = mpimg.imread('my_image.png')
    # For non-PNG, imread might use Pillow if installed
    # 对于非 PNG 格式，如果 Pillow 已安装，imread 可能会使用它

    print(f"Image loaded successfully. Shape: {img_array.shape}, Data type: {img_array.dtype}")

except FileNotFoundError:
    print("Error: Image file not found. Please provide a valid path.")
    # Create a placeholder array if image loading fails, for demonstration
    # 如果图像加载失败，创建一个占位符数组用于演示
    img_array = np.random.rand(100, 100, 3) # Example: 100x100 RGB image
    # 示例：100x100 的 RGB 图像
    print("Using a random placeholder image instead.")
except Exception as e:
    print(f"Error loading image: {e}")
    img_array = np.random.rand(100, 100, 3)
    print("Using a random placeholder image instead.")

imread 返回一个 NumPy 数组。数组的形状取决于图像类型：

(M, N): 灰度图像。
(M, N, 3): RGB 彩色图像（值通常为 0-1 的浮点数或 0-255 的 uint8）。
(M, N, 4): RGBA 彩色图像（包括一个 Alpha/透明度通道）。

使用 `imshow()` 显示图像

ax.imshow() 方法（或 plt.imshow() 函数）是显示图像数据的主要函数。

# (Assuming img_array exists from the loading step)
# （假设 img_array 已从加载步骤中存在）

fig, ax = plt.subplots()

# Display the image array
# 显示图像数组
img_plot = ax.imshow(img_array)

ax.set_title('Image Display with imshow()')

# Optional: Hide axes ticks and labels for cleaner image display
# 可选：隐藏坐标轴刻度和标签，以获得更整洁的图像显示
# ax.axis('off')

plt.show()

此代码在 Matplotlib 图形窗口中显示加载的（或占位符）图像数据。

`imshow()` 的重要参数：

X: 图像数据（NumPy 数组）。
cmap: 用于灰度或单通道图像的色彩映射（例如，‘gray’，‘viridis’）。对于 RGB(A) 数据被忽略。
aspect: 控制宽高比（‘auto’，‘equal’）。‘equal’ 确保像素是正方形的。
origin: 将数组的 [0, 0] 索引放置在左上角（‘upper’）或左下角（‘lower’）。默认通常是 ‘upper’。
interpolation: 如果显示分辨率与图像分辨率不同，用于插值像素的方法（例如，‘nearest’，‘bilinear’，‘bicubic’）。
vmin，vmax: 设置色彩映射覆盖的数据范围。

保存图像数据

您可以使用 matplotlib.pyplot.imsave() 或 matplotlib.image.imsave() 将 NumPy 数组保存为图像文件。

# (Assuming img_array exists)
# （假设 img_array 存在）

try:
    # Example: Save the array as a new PNG file, perhaps modified
    # 示例：将数组保存为新的 PNG 文件，可能已修改
    # Let's create a grayscale version for saving
    # 让我们创建一个灰度版本用于保存
    if img_array.ndim == 3 and img_array.shape[2] >= 3:
        # Basic RGB to grayscale conversion (adjust formula if needed)
        # 基础 RGB 到灰度转换（如有需要，请调整公式）
        gray_img = np.dot(img_array[...,:3], [0.2989, 0.5870, 0.1140])
    elif img_array.ndim == 2:
        gray_img = img_array
    else:
        print("Cannot convert image to grayscale for saving example.")
        # 无法将图像转换为灰度用于保存示例
        gray_img = None

    if gray_img is not None:
        plt.imsave("saved_image.png", gray_img, cmap='gray', origin='upper')
        print("Image saved successfully as saved_image.png")
        # 图像成功保存为 saved_image.png

except Exception as e:
    print(f"Error saving image: {e}")
    # 保存图像时出错

imsave 接受文件名、数组数据以及可选参数，例如 cmap、origin、vmin、vmax，它们的行为类似于 imshow。

在 Matplotlib 中处理图像本质上涉及操作 NumPy 数组。您可以使用 NumPy 或专门的库（如 Scikit-image 或 OpenCV）执行各种图像处理任务，然后在用 imshow 可视化结果之前进行处理。

Matplotlib - 处理图像

Matplotlib - 处理图像

加载图像数据

使用 imshow() 显示图像

imshow() 的重要参数：

保存图像数据

使用 `imshow()` 显示图像

`imshow()` 的重要参数：