matplotlib imshow（）和像素强度

Question

我试图了解输入到matplotlib的imshow()函数的矩阵的值如何确定灰度模式下像素的强度。考虑示例代码：

import random
import matplotlib.pyplot as plt
import matplotlib.cm as cm

def pixels(n=3):
    pixel_data = []
    for _ in range(n):
        row = []
        for _ in range(n):
            row.append(random.randint(1, 10))
        pixel_data.append(row)
    return pixel_data

if __name__ == '__main__':
    pixel_data = pixels()
    print(pixel_data)
    plt.imshow(pixel_data, origin='lower', cmap=cm.Greys_r)
    plt.show()

这里的pixel_data是3 * 3＆＃34;矩阵＆＃34;：

[[7, 4, 6], [7, 7, 6], [4, 7, 9]]

这里的值如何确定我在图像中看到的灰色阴影？

Answer 1

只是一个简单的例子：

import numpy as np
data = array([[7, 4, 6], [7, 7, 6], [4, 7, 9]])
imshow(data, 'gray', origin='lower')

Matplotlib的imshow有3个控制每个像素灰度的参数：

1. vmin：设置图像的最小强度值（灰度中的黑色），默认情况下设置为图像数组的最小值。
2. vmax：设置图像的最大强度值（灰度为白色），默认设置为数组的最大值。

如果要查看真实的灰度图像，则需要手动设置vmin=0和vmax=255（对于8位灰度图像）。或者将数组重新调整为[0,255]。

1. interpolation：默认设置为bilinear interpolation，如果图片尺寸大于或小于图片矩阵的尺寸，则会控制插值像素的值。

这是因为关闭插值会发生什么结果：

imshow(data, 'gray', origin='lower', interpolation='none')



这是vmin和vmax参数功能的一个示例：

imshow(data, 'gray', origin='lower', interpolation='none', vmin=0, vmax=20)



有关双线性插值或插值方法的更多信息，请参阅维基百科或：

http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html

其中none = nearest反映了没有插值的原始4x4数组。

编辑：基本上，当您想象图像时有两个关键因素：

1. 图片的原始尺寸
2. 图像可视化的大小

如果以上两种尺寸相同，则图像以其原始尺寸可视化，完全没有问题，但是，这在现实世界中很少发生。想象一下，一个简单的例子，两个人在不同分辨率的两个显示器（假设相同型号）中寻找相同的图像：一个是1280x768，另一个是800x600。显示器实际上具有相同的尺寸，在两种情况下图像都是相同的，但是，两个显示器中的像素密度不同（第一个像素每英寸的像素数多于第二个），因此， 800x600显示器将寻找更大（质量更差）的画面。

情况不一样，但matplotlib会发生类似情况。默认情况下，Matplotlib未经过优化，无法以原始大小显示图像。实际上，如果您显示3x3矩阵，您甚至无法看到它（太小），但默认情况下，matplotlib会显示一个（比方说256x256）大的类似平滑的图像（第一张图像）上文）。

这一切背后发生了什么？ figure＆n; figsize和dpi参数控制输出图像的大小和像素密度。如果没有手动给出，matplotlib将默认尝试估计。

因此，无论是通过手动指定还是默认创建，您的3x3矩阵最终都会得到256x256像素。如上所述，vmin和vmax控制颜色的最小值和最大值（在这种情况下为灰度，因此vmin = black和vmax = white）。

那么，如何确定每个像素的值？这取决于所使用的插值方法。首先，您的矩阵（在这种情况下为3x3）点沿着图像的大小（例如256x256）均匀分布。然后，使用插值方法估计新图像的其余点（256x256）：

• 无插值：像素获取矩阵中最接近元素的值

• 双线性插值：像素得到一个在矩阵最近的4个邻居内平均的值

还有更多......有关详细信息，请参阅上面的插值方法。

例如，请查看wikipedia中的以下图片：



想象一下，带有颜色的点是来自矩阵的数据，黑点代表当您使图像大小大于矩阵大小时需要估算的像素之一。在图像的特定情况下，使用双线性插值来估计黑点（对于新图像）的值。如您所见，像素的值设置为围绕该像素的矩阵中点的加权平均值。如果插值方法设置为“没有”＆＃39;或者＆＃39;最近的＆＃39;在matplotlib中，黑点的值仅由黄色像素给出（它最接近一个）。

在这里查看有关插值的更多信息： http://www.cambridgeincolour.com/tutorials/image-interpolation.htm

此外，请查看here以了解复杂实际上是如何使用matplotlib以原始像素大小显示图像。

Answer 2

颜色映射过程（适用于来自ColorMappable的子类，而不仅仅是AxesImage（imshow创建的））是一个两步过程。

1. 转换数据空间＆＃39; - ＆GT; [0,1]（Normalize及其子类实例）
2. map [0,1] - ＆gt; RGB（Colormap个实例）。

可用的规范类是：

• Normalize（线性）
• BoundaryNorm（＆＃39; binned＆＃39;，离散值输出）
• LogNorm（日志）
• PowerNorm（伽马校正）
• SymLogNorm（日志线性接近0）

所有颜色贴图实例都有一个__call__方法，可以从[0,1] - ＆gt;进行映射。 RGB。

imshow公开vmin，vmax，norm和cmap的kwargs。如果未指定，则使用Normalize（线性）实例。如果您未指定vmin和vmax（或将其设置为None），vmin和vmax将设置为输入数据的最小值/最大值。如果您未指定cmap，则（遗憾地）默认为'jet'。