使用Python的Matplotlib库绘制图形的实例积累

使用Python的Matplotlib库绘制图形的实例积累

Matplotlib的使用和MATLAB的plot的函数使用很相似，因为它就是根据MATLAB的plot的函数写出来的库。

目录

• 01-两个数组元素个数相同，其中一个作为x轴，另一个作为y轴
• 02-利用方法figure()在同一个程序中绘制多幅图像
• 03-绘制以某个一维数组的索引为横坐标，具体的值为纵坐标的曲线
• 04-利用plt.imshow()以图像形式显示矩阵
  

01-两个数组元素个数相同，其中一个作为x轴，另一个作为y轴

1. # 出处：昊虹AI笔记网(hhai.cc)
   
2. # 用心记录计算机视觉和AI技术
   
3. 
   
4. import numpy as np
   
5. import matplotlib.pyplot as plt
   
6. 
   
7. X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
   
8. C = np.cos(X)
   
9. S = np.sin(X)
   
10. 
    
11. plt.plot(X, C)
    
12. plt.plot(X, S)
    
13. plt.show()

复制代码

运行结果如下：


02-利用方法figure()在同一个程序中绘制多幅图像

1. # -*- coding: utf-8 -*-
   
2. # 出处：昊虹AI笔记网(hhai.cc)
   
3. # 用心记录计算机视觉和AI技术
   
4. 
   
5. import numpy as np
   
6. import matplotlib.pyplot as plt
   
7. 
   
8. X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
   
9. C = np.cos(X)
   
10. S = np.sin(X)
    
11. 
    
12. plt.figure(1)
    
13. plt.plot(X, C)
    
14. 
    
15. plt.figure(2)
    
16. plt.plot(X, S)
    
17. 
    
18. plt.show()

复制代码

运行结果如下：

                                          



03-绘制以某个一维数组的索引为横坐标，具体的值为纵坐标的曲线

1. import numpy as np
   
2. import matplotlib.pyplot as plt
   
3. 
   
4. A1 = np.array([1, 2, 3, 4], dtype='uint8')
   
5. 
   
6. plt.plot(A1)
   
7. plt.show()

复制代码

运行结果如下图所示：

从上面的运行结果可以清楚的看出，横坐标的确就是索引值，而纵坐标就是索引对应的元素的值。

04-利用plt.imshow()以图像形式显示矩阵
图像说白了就是矩阵，利用plt.imshow()可以以图像形式显示矩阵。
参数意义及参数cmap的意义可参考下面这篇博文：
https://blog.csdn.net/qq_28485501/article/details/82656614
参数cmap就是将矩阵的元素值映射到某个颜色空间。举例子来说，如果矩阵是二维矩阵，又通过设置参数cmap使值映射到灰度空间 Greys_r’，则相当于是显示这个二维矩阵表示的灰度图像； 如果矩阵是三维矩阵，默认情况下是映射到RGB空间，相当于显示三维矩阵表示的彩色图像。
示例代码如下：

1. # -*- coding: utf-8 -*-
   
2. # 出处：昊虹AI笔记网(hhai.cc)
   
3. # 用心记录计算机视觉和AI技术
   
4. 
   
5. import numpy as np
   
6. from matplotlib import pyplot as plt
   
7. 
   
8. A1 = np.array([[0, 1, 2, 3],
   
9.               [4, 5, 6, 7]], dtype='uint8')
   
10. 
    
11. plt.figure(1)
    
12. plt.imshow(A1, cmap='Reds', interpolation='nearest', origin='upper')
    
13. 
    
14. plt.figure(2)
    
15. plt.imshow(A1, cmap='Greys', interpolation='nearest', origin='upper')
    
16. 
    
17. plt.figure(3)
    
18. plt.imshow(A1, cmap='Greys_r', interpolation='nearest', origin='upper')
    
19. 
    
20. plt.show()

复制代码

运行结果如下：

                                          

                                          

从上面的结果可以看出：
如果颜色空间不带后缀“_r”，则值越大，颜色越深；
如果颜色空间带后缀“_r”，则值越大，颜色越浅。

利用plt.imshow()可以帮助我们轻松绘制出图像的H-S二维直方图，详情见：
https://www.hhai.cc/thread-209-1-1.html


....更多实例积累中...