imshow 参数及其默认值

Matplotlib是Python最著名的2D绘图库，该库仿造Matlab提供了一整套相似的绘图函数，用于绘图和绘表，强大的数据可视化工具和做图库，适合交互式绘图，图形美观。

imshow：热图（heatmap）是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。Python在Matplotlib库中，调用imshow()函数实现热图绘制。

imshow 参数及其默认值

plt.imshow(
    X,
    cmap=None,
    norm=None,
    aspect=None,
    interpolation=None,
    alpha=None,
    vmin=None,
    vmax=None,
    origin=None,
    extent=None,
    shape=None,
    filternorm=1,
    filterrad=4.0,
    imlim=None,
    resample=None,
    url=None,
    *,
    data=None,
    **kwargs,
)

参数：X

• 图像数据。支持的数组形状是：

  • （M，N） ：带有标量数据的图像。数据可视化使用色彩图。
  • （M，N，3） ：具有RGB值的图像（float或uint8）。
  • （M，N，4） ：具有RGBA值的图像（float或uint8），即包括透明度。
    前两个维度（M，N）定义了行和列图片，即图片的高和宽；
    RGB（A）值应该在浮点数[0, ..., 1]的范围内,或者
    整数[0, ... ,255]。超出范围的值将被剪切为这些界限。

参数：cmap

• 将标量数据映射到色彩图
• 颜色默认为：rc：image.cmap。

参数：norm :~matplotlib.colors.Normalize

• 如果使用scalar data ，则Normalize会对其进行缩放[0,1]的数据值内。
• 默认情况下，数据范围使用线性缩放映射到颜色条范围。 RGB（A）数据忽略该参数。

参数：aspect

• {'equal'，'auto'}或float，可选
• 控制轴的纵横比。该参数可能使图像失真，即像素不是方形的。
• equal：确保宽高比为1,像素将为正方形。（除非像素大小明确地在数据中变为非正方形,坐标使用 extent ）。
• auto: 更改图像宽高比以匹配轴的宽高比。通常，这将导致非方形像素。

参数：interpolation

• str
• 使用的插值方法
• 支持的值有：'none', 'nearest', 'bilinear', 'bicubic','spline16', 'spline36', 'hanning', 'hamming', 'hermite', 'kaiser',
  'quadric', 'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc','lanczos'.
• 如果interpolation = 'none'，则不执行插值

参数：alpha

• alpha值，介于0（透明）和1（不透明）之间。RGBA输入数据忽略此参数。

参数：vmin, vmax : scalar,

• 如果使用* norm 参数，则忽略 vmin ， vmax *。
• vmin,vmax与norm结合使用以标准化亮度数据。

参数：origin : {'upper', 'lower'}

• 将数组的[0,0]索引放在轴的左上角或左下角。
• 'upper'通常用于矩阵和图像。
• 请注意，垂直轴向上指向“下”但向下指向“上”。

参数：extent：(left, right, bottom, top）

• 数据坐标中左下角和右上角的位置。 如果为“无”，则定位图像使得像素中心落在基于零的（行，列）索引上。

参考官方网站的文档

导入包

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

展示原图

img=mpimg.imread('2019062107.png')
imgplot = plt.imshow(img)

效果

 

2019062108.png

处理1

plt.imshow(img[:,:,0], cmap="hot")

 

2019062109.png

处理 2

plt.imshow(img, interpolation="bicubic")

 

2019062110.png

原文：https://www.jianshu.com/p/694afb0db7d5