Contents 
>>> from env_helper import info; info()

页面更新时间： 2024-04-07 16:34:29
运行环境：
    Linux发行版本: Debian GNU/Linux 12 (bookworm)
    操作系统内核: Linux-6.1.0-18-amd64-x86_64-with-glibc2.36
    Python版本: 3.11.2

1.5. 图像的绘制

实际上前面我们就已经用到了图像的绘制，如：

io.imshow(img)

这一行代码的实质是利用matplotlib包对图片进行绘制，绘制成功后，返回一个matplotlib类型的数据。因此，我们也可以这样写：

>>> import matplotlib.pyplot as plt

plt.imshow(img)

imshow() 函数格式为：

matplotlib.pyplot.imshow(X, cmap=None)

X: 要绘制的图像或数组。

cmap: 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。

其它可选的颜色图谱如下列表：

颜色图谱

描述

autumn

红-橙-黄

bone

黑-白，x线

cool

青-洋红

copper

黑-铜

flag

红-白-蓝-黑

gray

黑-白

hot

黑-红-黄-白

hsv

hsv颜色空间， 红-黄-绿-青-蓝-洋红-红

inferno

黑-红-黄

jet

蓝-青-黄-红

magma

黑-红-白

pink

黑-粉-白

plasma

绿-红-黄

prism

红-黄-绿-蓝-紫-…-绿模式

spring

洋红-黄

summer

绿-黄

viridis

蓝-绿-黄

winter

蓝-绿

用的比较多的有gray,jet等，如：

plt.imshow(image,plt.cm.gray) plt.imshow(img,cmap=plt.cm.jet)

在窗口上绘制完图片后，返回一个AxesImage对象。要在窗口上显示这个对象，我们可以调用show()函数来进行显示，但进行练习的时候（ipython环境中），一般我们可以省略show（）函数，也能自动显示出来。

>>> from skimage import io,data
>>> img=data.astronaut()
>>> dst=io.imshow(img)
>>> print(type(dst))

<class 'matplotlib.image.AxesImage'>
_images/sec05_draw_7_1.png

可以看到，类型是 matplotlib.image.AxesImage 。显示一张图片，我们通常更愿意这样写：

>>> plt.imshow(img)
>>> plt.show()
_images/sec05_draw_9_0.png

Matplotlib是一个专业绘图的库，相当于matlab中的plot，可以设置多个figure窗口,设置figure的标题，隐藏坐标尺，甚至可以使用subplot在一个figure中显示多张图片。 一般我们可以这样导入matplotlib库：

>>> import matplotlib.pyplot as plt

也就是说，我们绘图实际上用的是 Matplotlib 包的 pyplot 模块。

1.5.1. 用figure函数和subplot函数分别创建主窗口与子图

例:分开并同时显示宇航员图片的三个通道

>>> from skimage import data
>>> import matplotlib.pyplot as plt
>>> img=data.astronaut()
>>> plt.figure(num='astronaut',figsize=(8,8))  #创建一个名为astronaut的窗口,并设置大小
>>>
>>> plt.subplot(2,2,1)     #将窗口分为两行两列四个子图，则可显示四幅图片
>>> plt.title('origin image')   #第一幅图片标题
>>> plt.imshow(img)      #绘制第一幅图片
>>>
>>> plt.subplot(2,2,2)     #第二个子图
>>> plt.title('R channel')   #第二幅图片标题
>>> plt.imshow(img[:,:,0],plt.cm.gray)      #绘制第二幅图片,且为灰度图
>>> plt.axis('off')     #不显示坐标尺寸
>>>
>>> plt.subplot(2,2,3)     #第三个子图
>>> plt.title('G channel')   #第三幅图片标题
>>> plt.imshow(img[:,:,1],plt.cm.gray)      #绘制第三幅图片,且为灰度图
>>> plt.axis('off')     #不显示坐标尺寸
>>>
>>> plt.subplot(2,2,4)     #第四个子图
>>> plt.title('B channel')   #第四幅图片标题
>>> plt.imshow(img[:,:,2],plt.cm.gray)      #绘制第四幅图片,且为灰度图
>>> plt.axis('off')     #不显示坐标尺寸
>>>
>>> plt.show()   #显示窗口
_images/sec05_draw_13_0.png

在图片绘制过程中，我们用 matplotlib.pyplot 模块下的 figure() 函数来创建显示窗口，该函数的格式为：

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None)

所有参数都是可选的，都有默认值，因此调用该函数时可以不带任何参数，其中：

  • num : 整型或字符型都可以。如果设置为整型，则该整型数字表示窗口的序号。如果设置为字符型，则该字符串表示窗口的名称。用该参数来命名窗口，如果两个窗口序号或名相同，则后一个窗口会覆盖前一个窗口。

  • igsize : 设置窗口大小。是一个tuple型的整数，如 figsize=(8,8)

  • dpi : 整形数字，表示窗口的分辨率。

  • facecolor : 窗口的背景颜色。

  • edgecolor : 窗口的边框颜色。

用 figure() 函数创建的窗口，只能显示一幅图片，如果想要显示多幅图片，则需要将这个窗口再划分为几个子图，在每个子图中显示不同的图片。 我们可以使用 subplot() 函数来划分子图，函数格式为：

matplotlib.pyplot.subplot(nrows, ncols, plot_number)

  • nrows : 子图的行数。

  • ncols : 子图的列数。

  • plot_number : 当前子图的编号。

如：

>>> plt.subplot(2,2,1)

<AxesSubplot: >
_images/sec05_draw_15_1.png

则表示将figure窗口划分成了2行2列共4个子图，当前为第1个子图。我们有时也可以用这种写法：

>>> plt.subplot(221)

<AxesSubplot: >
_images/sec05_draw_17_1.png

两种写法效果是一样的。每个子图的标题可用title()函数来设置，是否使用坐标尺可用axis()函数来设置，如：

>>> plt.subplot(221)
>>> plt.title("first subwindow")
>>> plt.axis('off')

(0.0, 1.0, 0.0, 1.0)
_images/sec05_draw_19_1.png

1.5.2. 用subplots来创建显示窗口与划分子图

除了上面那种方法创建显示窗口和划分子图，还有另外一种编写方法也可以，如下例:

>>> import matplotlib.pyplot as plt
>>> from skimage import data,color
>>>
>>> img = data.immunohistochemistry()
>>> hsv = color.rgb2hsv(img)
>>>
>>> fig, axes = plt.subplots(2, 2, figsize=(7, 6))
>>> ax0, ax1, ax2, ax3 = axes.ravel()
>>>
>>> ax0.imshow(img)
>>> ax0.set_title("Original image")
>>>
>>> ax1.imshow(hsv[:, :, 0], cmap=plt.cm.gray)
>>> ax1.set_title("H")
>>>
>>> ax2.imshow(hsv[:, :, 1], cmap=plt.cm.gray)
>>> ax2.set_title("S")
>>>
>>> ax3.imshow(hsv[:, :, 2], cmap=plt.cm.gray)
>>> ax3.set_title("V")
>>>
>>> for ax in axes.ravel():
>>>     ax.axis('off')
>>>
>>> fig.tight_layout()
_images/sec05_draw_21_0.png

fig.tight_layout() 自动调整subplot间的参数。

直接用 subplots() 函数来创建并划分窗口。 注意，比前面的 subplot() 函数多了一个 s ，该函数格式为：

matplotlib.pyplot.subplots(nrows=1, ncols=1)

  • nrows : 所有子图行数，默认为1。

  • ncols : 所有子图列数，默认为1。

返回一个窗口figure, 和一个tuple型的ax对象，该对象包含所有的子图。 可结合 ravel() 函数列出所有子图，如：

>>> fig, axes = plt.subplots(2, 2, figsize=(7, 6))
>>> ax0, ax1, ax2, ax3 = axes.ravel()
_images/sec05_draw_24_0.png

创建了2行2列4个子图，分别取名为ax0,ax1,ax2和ax3, 每个子图的标题用set_title()函数来设置，如：

>>> ax0.imshow(img)
>>> ax0.set_title("Original image")

Text(0.5, 1.0, 'Original image')

如果有多个子图，我们还可以使用tight_layout()函数来调整显示的布局，该函数格式为：

matplotlib.pyplot.tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)

所有的参数都是可选的，调用该函数时可省略所有的参数。

pad: 主窗口边缘和子图边缘间的间距，默认为1.08

h_pad, w_pad: 子图边缘之间的间距，默认为 pad_inches

rect: 一个矩形区域，如果设置这个值，则将所有的子图调整到这个矩形区域内。

一般调用为：

>>> plt.tight_layout()

<Figure size 640x480 with 0 Axes>

上面函数自动调整subplot间的参数。

1.5.3. 其它方法绘图并显示

除了使用matplotlib库来绘制图片，skimage还有另一个子模块viewer，也提供一个函数来显示图片。不同的是，它利用Qt工具来创建一块画布，从而在画布上绘制图像。

代码如下。但这个例子用到操作系统 GUI ， 无法在 Jupyter 中运行。

from skimage import data
from skimage.viewer import ImageViewer

img = data.coffee()
viewer = ImageViewer(img)
viewer.show()

1.5.4. 总结

最后总结一下，绘制和显示图片常用到的函数有：

函数名

功能

调用格式

figure

创建一个显示窗口

plt.figur e(num=1,figsize=(8,8)

imshow

绘制图片

plt.imshow(image)

show

显示窗口

plt.show()

subplot

划分子图

plt.subplot(2,2,1)

title

设置子图标题 (与subplot结合使用）

plt.title(‘origin image’)

axis

是否显示坐标尺

plt.axis(‘off’)

subplots

创 建带有多个子图的窗口

fig,axes=plt.subplo ts(2,2,figsize=(8,8))

ravel

为每个子图设置变量

ax0,ax1 ,ax2,ax3=axes.ravel()

set_title

设置子图标 题（与axes结合使用）

ax0.set_title(‘first window’)

tight_layout

自动调整子图显示布局

plt.tight_layout()

上一页

1.4. 图像数据类型及颜色空间转换

下一页

1.6. python数字图像处理：图像的批量处理