Matplotlib imshow() 関数
imshow()Axes上に画像を表示したり、2次元配列をヒートマップとして描画するために使用します。
これは最も一般的に使用される2次元データ可視化関数であり、さまざまな補間方法、カラーマッピング、スケーリング方法をサポートしています。
関数定義
pyplot インターフェース
matplotlib.pyplot.imshow(X, cmap=None, norm=None, *, aspect=None,
interpolation=None, alpha=None, vmin=None, vmax=None, origin=None,
extent=None, filternorm=True, filterrad=4.0, resample=None,
url=None, **kwargs)
Axes インターフェース
Axes.imshow(X, cmap=None, norm=None, *, aspect=None,
interpolation=None, alpha=None, vmin=None, vmax=None, origin=None,
extent=None, filternorm=True, filterrad=4.0, resample=None,
url=None, **kwargs)
パラメータ説明
| パラメータ | 型 | 説明 |
|---|---|---|
| X | array-like または PIL Image | 表示する画像データ。2D配列はグレースケール/疑似カラーで表示され、3D配列(MxNx3 または MxNx4)はRGB/RGBA画像として表示されます。 |
| cmap | str または Colormap | カラーマッピング。2Dデータにのみ有効です。デフォルトは 'viridis' |
| norm | Normalize または str | データの正規化方法。例: 'linear'、'log'、'symlog' |
| aspect | str または float | ピクセルのアスペクト比: 'equal'(デフォルト、ピクセルは正方形)、'auto'(Axesを自動的に埋める)、数値(カスタム比率) |
| interpolation | str | 補間方法: 'none'/'nearest'(補間なし)、'bilinear'、'bicubic'、'antialiased'(デフォルト)など |
| alpha | float または array-like | 透明度。0〜1 |
| vmin, vmax | float | カラーマッピングのデータ範囲 |
| origin | str | 原点の位置: 'upper'(デフォルト、[0,0]は左上隅)または 'lower'([0,0]は左下隅) |
| extent | tuple (left,right,bottom,top) | データ境界の座標。軸ラベルを変更しますが、データは変更しません。 |
origin='upper'(デフォルト)配列の最初の行を上部に配置します。画像表示の習慣に合います。origin='lower'最初の行を下部に配置します。数学の座標系の習慣に合います。
使用例
例1: 2次元配列の表示(ヒートマップ)
実例
import matplotlib.pyplot as plt
import numpy as np
# 10x10 の2次元配列を作成
np.random.seed(42)
data = np.random.rand(10, 10)
fig, ax = plt.subplots(figsize=(6, 5), layout='constrained')
# ヒートマップとして表示
im = ax.imshow(data, cmap='viridis', aspect='auto')
# 各セルに数値を表示
for i in range(10):
for j in range(10):
color = 'white' if data[i, j] > 0.5 else 'black'
ax.text(j, i, f'{data[i,j]:.2f}', ha='center',
va='center', color=color, fontsize=8)
# カラーバーを追加
fig.colorbar(im, ax=ax, label='Value', shrink=0.8)
ax.set_title('2D Array as Heatmap')
ax.set_xlabel('Column')
ax.set_ylabel('Row')
plt.show()
import numpy as np
# 10x10 の2次元配列を作成
np.random.seed(42)
data = np.random.rand(10, 10)
fig, ax = plt.subplots(figsize=(6, 5), layout='constrained')
# ヒートマップとして表示
im = ax.imshow(data, cmap='viridis', aspect='auto')
# 各セルに数値を表示
for i in range(10):
for j in range(10):
color = 'white' if data[i, j] > 0.5 else 'black'
ax.text(j, i, f'{data[i,j]:.2f}', ha='center',
va='center', color=color, fontsize=8)
# カラーバーを追加
fig.colorbar(im, ax=ax, label='Value', shrink=0.8)
ax.set_title('2D Array as Heatmap')
ax.set_xlabel('Column')
ax.set_ylabel('Row')
plt.show()
例2: extentパラメータによる座標軸の制御
実例
import matplotlib.pyplot as plt
import numpy as np
# 50x50 の数学関数データを作成
x = np.linspace(-3, 3, 50)
y = np.linspace(-3, 3, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y)
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5),
layout='constrained')
# 左の図: extentを使用しない場合、軸座標はピクセルインデックス
im1 = ax1.imshow(Z, cmap='RdYlBu', origin='lower')
ax1.set_title('Without extentn(pixel indices)')
fig.colorbar(im1, ax=ax1, shrink=0.8)
# 右の図: extentを使用する場合、軸座標は実際のデータ座標
im2 = ax2.imshow(Z, cmap='RdYlBu', origin='lower',
extent=[-3, 3, -3, 3]) # [xmin, xmax, ymin, ymax]
ax2.set_title('With extentn(actual coordinates)')
ax2.set_xlabel('X')
ax2.set_ylabel('Y')
fig.colorbar(im2, ax=ax2, shrink=0.8)
plt.show()
import numpy as np
# 50x50 の数学関数データを作成
x = np.linspace(-3, 3, 50)
y = np.linspace(-3, 3, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y)
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5),
layout='constrained')
# 左の図: extentを使用しない場合、軸座標はピクセルインデックス
im1 = ax1.imshow(Z, cmap='RdYlBu', origin='lower')
ax1.set_title('Without extentn(pixel indices)')
fig.colorbar(im1, ax=ax1, shrink=0.8)
# 右の図: extentを使用する場合、軸座標は実際のデータ座標
im2 = ax2.imshow(Z, cmap='RdYlBu', origin='lower',
extent=[-3, 3, -3, 3]) # [xmin, xmax, ymin, ymax]
ax2.set_title('With extentn(actual coordinates)')
ax2.set_xlabel('X')
ax2.set_ylabel('Y')
fig.colorbar(im2, ax=ax2, shrink=0.8)
plt.show()
例3: 異なる補間方法の比較
実例
import matplotlib.pyplot as plt
import numpy as np
# 小さなサイズのデータ(10x10)を作成し、拡大表示して補間の違いを確認
data = np.random.rand(10, 10)
interpolations = ['none', 'nearest', 'bilinear', 'bicubic',
'spline16', 'spline36', 'lanczos']
# lanczos has been renamed - use 'lanczos' instead
fig, axes = plt.subplots(2, 3, figsize=(12, 8),
layout='constrained')
axes = axes.flatten()
for ax, interp in zip(axes, interpolations):
im = ax.imshow(data, cmap='viridis', interpolation=interp)
ax.set_title(f'interpolation="{interp}"')
ax.set_xticks([])
ax.set_yticks([])
# 最後の不要なサブプロットを非表示
axes[-1].set_visible(False)
fig.suptitle('Comparison of Interpolation Methods', fontsize=14)
plt.show()
import numpy as np
# 小さなサイズのデータ(10x10)を作成し、拡大表示して補間の違いを確認
data = np.random.rand(10, 10)
interpolations = ['none', 'nearest', 'bilinear', 'bicubic',
'spline16', 'spline36', 'lanczos']
# lanczos has been renamed - use 'lanczos' instead
fig, axes = plt.subplots(2, 3, figsize=(12, 8),
layout='constrained')
axes = axes.flatten()
for ax, interp in zip(axes, interpolations):
im = ax.imshow(data, cmap='viridis', interpolation=interp)
ax.set_title(f'interpolation="{interp}"')
ax.set_xticks([])
ax.set_yticks([])
# 最後の不要なサブプロットを非表示
axes[-1].set_visible(False)
fig.suptitle('Comparison of Interpolation Methods', fontsize=14)
plt.show()
例4: 実画像 (RGB) の表示
実例
import matplotlib.pyplot as plt
import numpy as np
# 「グラデーション」画像を作成(RGB画像をシミュレート)
# 高さ100、幅200、3つのカラーチャンネル
height, width = 100, 200
image = np.zeros((height, width, 3))
# Rチャンネル: 左から右へ増加
image[:, :, 0] = np.linspace(0, 1, width)
# Gチャンネル: 下から上へ増加
image[:, :, 1] = np.linspace(0, 1, height).reshape(-1, 1)
# Bチャンネル: 対角線方向のグラデーション
image[:, :, 2] = np.sin(np.linspace(0, 4*np.pi, width)) * 0.5 + 0.5
fig, ax = plt.subplots(figsize=(8, 4), layout='constrained')
# 3D配列 (M,N,3) は自動的にRGB画像として認識され、cmapは不要
ax.imshow(image)
ax.set_title('Synthetic RGB Image')
ax.set_xlabel('Width (pixels)')
ax.set_ylabel('Height (pixels)')
plt.show()
print("サンプル: image displayed")
import numpy as np
# 「グラデーション」画像を作成(RGB画像をシミュレート)
# 高さ100、幅200、3つのカラーチャンネル
height, width = 100, 200
image = np.zeros((height, width, 3))
# Rチャンネル: 左から右へ増加
image[:, :, 0] = np.linspace(0, 1, width)
# Gチャンネル: 下から上へ増加
image[:, :, 1] = np.linspace(0, 1, height).reshape(-1, 1)
# Bチャンネル: 対角線方向のグラデーション
image[:, :, 2] = np.sin(np.linspace(0, 4*np.pi, width)) * 0.5 + 0.5
fig, ax = plt.subplots(figsize=(8, 4), layout='constrained')
# 3D配列 (M,N,3) は自動的にRGB画像として認識され、cmapは不要
ax.imshow(image)
ax.set_title('Synthetic RGB Image')
ax.set_xlabel('Width (pixels)')
ax.set_ylabel('Height (pixels)')
plt.show()
print("サンプル: image displayed")
例5: 対数正規化
実例
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LogNorm
# 値の範囲が広いデータを作成
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.exp(-(X**2 + Y**2) / 2) * 1000 # ガウス関数。値は0から1000
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5),
layout='constrained')
# 左の図: 線形正規化(デフォルト)
im1 = ax1.imshow(Z, cmap='hot')
ax1.set_title('Linear Normalization')
fig.colorbar(im1, ax=ax1, shrink=0.8)
# 右の図: 対数正規化(LogNorm)
im2 = ax2.imshow(Z, cmap='hot', norm=LogNorm())
ax2.set_title('Log Normalization (LogNorm)')
fig.colorbar(im2, ax=ax2, shrink=0.8)
fig.suptitle('Linear vs Log Normalization', fontsize=14)
plt.show()
import numpy as np
from matplotlib.colors import LogNorm
# 値の範囲が広いデータを作成
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.exp(-(X**2 + Y**2) / 2) * 1000 # ガウス関数。値は0から1000
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5),
layout='constrained')
# 左の図: 線形正規化(デフォルト)
im1 = ax1.imshow(Z, cmap='hot')
ax1.set_title('Linear Normalization')
fig.colorbar(im1, ax=ax1, shrink=0.8)
# 右の図: 対数正規化(LogNorm)
im2 = ax2.imshow(Z, cmap='hot', norm=LogNorm())
ax2.set_title('Log Normalization (LogNorm)')
fig.colorbar(im2, ax=ax2, shrink=0.8)
fig.suptitle('Linear vs Log Normalization', fontsize=14)
plt.show()
よくある質問
origin='upper' と 'lower' の違いは?
origin='upper'(デフォルト): 配列 [0, 0] は左上隅にあり、y軸は上から下向きです。画像に適しています。
origin='lower':配列 [0, 0] は左下隅にあり、y軸は下から上向きです。数学/科学データに適しています。
次のものを使用してplt.rcParams['image.origin'] = 'lower'デフォルトの動作をグローバルに変更できます。
imshow vs pcolormesh の使い分けは?
imshow()規則的なグリッド、大容量データ、高速レンダリング(ラスタライズベース)に適しています。
pcolormesh()不規則なグリッド、正確なグリッド境界が必要な場合(ベクター描画ベース)に適しています。
グレースケール画像を表示するには?
設定cmap='gray' 或 cmap='Greys_r'(グレースケール反転)。
その他の拡張