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:
Java równa się metoda
# 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:
