matplotlib.pyplot.imshow() w Pythonie
Matplotlib jest biblioteką w języku Python i ma charakter numeryczny – matematyczne rozszerzenie biblioteki NumPy. Pyplot jest opartym na stanach interfejsem do a Matplotlib moduł zapewniający interfejs podobny do MATLAB-a.
Funkcja matplotlib.pyplot.imshow():
The funkcja imshow(). w pyplot moduł biblioteki matplotlib służy do wyświetlania danych w postaci obrazu; tj. na zwykłym rastrze 2D.
Składnia: matplotlib.pyplot.imshow(X, cmap=Brak, norma=Brak, aspekt=Brak, interpolacja=Brak, alfa=Brak, vmin=Brak, vmax=Brak, pochodzenie=Brak, zakres=Brak, kształt=, filternorm=1 , filterrad=4.0, imlim=, resample=Brak, url=Brak, *, dane=Brak, **kwargs)
Parametry: Ta metoda akceptuje następujące parametry opisane poniżej:
X: Ten parametr to dane obrazu. cmap : Ten parametr jest instancją mapy kolorów lub zarejestrowaną nazwą mapy kolorów. norm : Ten parametr to instancja Normalize skalująca wartości danych do kanonicznego zakresu mapy kolorów [0, 1] w celu mapowania na kolory vmin, vmax : Te parametry mają charakter opcjonalny i stanowią zakres pasków kolorów. alfa : Ten parametr określa intensywność koloru. aspekt : Ten parametr służy do kontrolowania proporcji osi. interpolacja: Ten parametr określa metodę interpolacji stosowaną do wyświetlania obrazu. Origin : Ten parametr służy do umieszczenia indeksu [0, 0] tablicy w lewym górnym lub lewym dolnym rogu osi. resample: Ten parametr określa metodę używaną do przypominania. zakres : ten parametr stanowi ramkę ograniczającą we współrzędnych danych. filternorm : Ten parametr jest używany dla antyziarnistego filtra zmiany rozmiaru obrazu. filterrad : Ten parametr określa promień filtra dla filtrów, które mają parametr promienia. url: Ten parametr ustawia adres URL utworzonego pliku Obraz osi.
Zwroty: Zwraca to następujące informacje:
image : Zwraca Obraz osi
Poniższe przykłady ilustrują funkcję matplotlib.pyplot.imshow() w matplotlib.pyplot:
Przykład 1:
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors> import> LogNorm> > dx, dy> => 0.015> ,> 0.05> y, x> => np.mgrid[> slice> (> -> 4> ,> 4> +> dy, dy),> > slice> (> -> 4> ,> 4> +> dx, dx)]> z> => (> 1> -> x> /> 3.> +> x> *> *> 5> +> y> *> *> 5> )> *> np.exp(> -> x> *> *> 2> -> y> *> *> 2> )> z> => z[:> -> 1> , :> -> 1> ]> z_min, z_max> => -> np.> abs> (z).> max> (), np.> abs> (z).> max> ()> > c> => plt.imshow(z, cmap> => 'Greens'> , vmin> => z_min, vmax> => z_max,> > extent> => [x.> min> (), x.> max> (), y.> min> (), y.> max> ()],> > interpolation> => 'nearest'> , origin> => 'lower'> )> plt.colorbar(c)> > plt.title(> 'matplotlib.pyplot.imshow() function Example'> ,> > fontweight> => 'bold'> )> plt.show()> |
Wyjście:
Przykład nr 2:
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors> import> LogNorm> > dx, dy> => 0.015> ,> 0.05> x> => np.arange(> -> 4.0> ,> 4.0> , dx)> y> => np.arange(> -> 4.0> ,> 4.0> , dy)> X, Y> => np.meshgrid(x, y)> > extent> => np.> min> (x), np.> max> (x), np.> min> (y), np.> max> (y)> > Z1> => np.add.outer(> range> (> 8> ),> range> (> 8> ))> %> 2> plt.imshow(Z1, cmap> => 'binary_r'> , interpolation> => 'nearest'> ,> > extent> => extent, alpha> => 1> )> > def> geeks(x, y):> > return> (> 1> -> x> /> 2> +> x> *> *> 5> +> y> *> *> 6> )> *> np.exp(> -> (x> *> *> 2> +> y> *> *> 2> ))> > Z2> => geeks(X, Y)> > plt.imshow(Z2, cmap> => 'Greens'> , alpha> => 0.7> ,> > interpolation> => 'bilinear'> , extent> => extent)> > plt.title(> 'matplotlib.pyplot.imshow() function Example'> ,> > fontweight> => 'bold'> )> plt.show()> |
Wyjście:
