Функция Matplotlib imshow()
Справочная документация Matplotlib
imshow()Используется для отображения изображения на Axes или визуализации 2D-массива в виде тепловой карты.
Это одна из наиболее часто используемых функций для визуализации 2D-данных, поддерживающая различные методы интерполяции, цветового отображения и масштабирования.
Определение функции
Интерфейс pyplot
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)
Интерфейс Axes
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)
Описание параметра
| Параметр | Type | Описание |
|---|---|---|
| X | array-like или PIL Image | Данные изображения для отображения. 2D-массив отображается как оттенки серого/псевдоцвет, а 3D-массив (MxNx3 или MxNx4) отображается как RGB/RGBA-изображение. |
| cmap | str или Colormap | Цветовое отображение, действительно только для 2D-данных. По умолчанию — 'viridis'. |
| norm | Normalize или str | Метод нормализации данных, например, 'linear', 'log', 'symlog'. |
| aspect | str или float | Соотношение сторон пикселя: 'equal' (по умолчанию, квадратные пиксели), 'auto' (автоматически заполняет Axes), число (пользовательское соотношение). |
| interpolation | str | Метод интерполяции: 'none'/'nearest' (без интерполяции), 'bilinear', 'bicubic', 'antialiased' (по умолчанию) и т. д. |
| альфа | float или array-like | Прозрачность, 0-1. |
| vmin, vmax | float | Диапазон данных цветовой карты. |
| origin | str | Положение начала координат: 'upper' (по умолчанию, [0,0] в левом верхнем углу) или 'lower' ([0,0] в левом нижнем углу). |
| extent | кортеж (left,right,bottom,top) | Координаты границ данных; изменяет подписи осей, но не сами данные. |
origin='upper'(По умолчанию) Помещает первую строку массива в верхнюю часть, что соответствует соглашениям отображения изображений.origin='lower'Помещает первую строку в нижнюю часть, что соответствует математическим соглашениям координат.
Примеры использования
Пример 1: Отображение двумерного массива (тепловая карта)
Пример
import numpy as np
# Создать двумерный массив 10x10
np.random.seed(42)
data = np.random.rand(10, 10)
fig, ax = plt.subplots(figsize=(6, 5), layout='constrained')
# Отобразить как тепловую карту
im = ax.imshow(data, cmap='viridis', aspect='auto')
# Отобразить значения в каждой ячейке
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)
# Добавить цветовую шкалу
fig.colorbar(im, ax=ax, label='Значение', shrink=0.8)
ax.set_title('2D-массив как тепловая карта')
ax.set_xlabel('Столбец')
ax.set_ylabel('Строка')
plt.show()
Пример 2: Параметр extent управляет осями
Пример
import numpy as np
# Создать данные математической функции 50x50
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')
# Левый график: без extent, координаты осей — индексы пикселей
im1 = ax1.imshow(Z, cmap='RdYlBu', origin='lower')
ax1.set_title('Без extent\n(индексы пикселей)')
fig.colorbar(im1, ax=ax1, shrink=0.8)
# Правый график: с extent, координаты осей — фактические координаты данных
im2 = ax2.imshow(Z, cmap='RdYlBu', origin='lower',
extent=[-3, 3, -3, 3]) # [xmin, xmax, ymin, ymax]
ax2.set_title('С extent\n(фактические координаты)')
ax2.set_xlabel('X')
ax2.set_ylabel('Y')
fig.colorbar(im2, ax=ax2, shrink=0.8)
plt.show()
Пример 3: Сравнение различных методов интерполяции
Пример
import numpy as np
# Создайте небольшой набор данных (10x10) и увеличьте его, чтобы показать различия интерполяции
data = np.random.rand(10, 10)
interpolations = ['none', 'nearest', 'bilinear', 'bicubic',
'spline16', 'spline36', 'lanczos']
# lanczos был переименован - используйте 'lanczos' вместо
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([])
# Скрыть последний избыточный подграфик
axes[-1].set_visible(False)
fig.suptitle('Сравнение методов интерполяции', fontsize=14)
plt.show()
Пример 4: Отображение реального изображения (RGB)
Пример
import numpy as np
# Создать "градиентное" изображение (имитирующее RGB-изображение)
# Высота 100, ширина 200, 3 цветовых канала
height, width = 100, 200
image = np.zeros((height, width, 3))
# R-канал: увеличивается слева направо
image[:, :, 0] = np.linspace(0, 1, width)
# G-канал: увеличивается снизу вверх
image[:, :, 1] = np.linspace(0, 1, height).reshape(-1, 1)
# B-канал: градиент вдоль диагонального направления
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-массив (M,N,3) автоматически распознается как RGB-изображение, cmap не нужен
ax.imshow(image)
ax.set_title('Синтетическое RGB-изображение')
ax.set_xlabel('Ширина (в пикселях)')
ax.set_ylabel('Высота (в пикселях)')
plt.show()
print("пример: изображение показано")
Пример 5: Логарифмическая нормализация
Пример
import numpy as np
from matplotlib.colors import LogNorm
# Создать данные с большим диапазоном
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 # Функция Гаусса, значения от 0 до 1000
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5),
layout='constrained')
# Левый график: линейная нормализация (по умолчанию)
im1 = ax1.imshow(Z, cmap='hot')
ax1.set_title('Линейная нормализация')
fig.colorbar(im1, ax=ax1, shrink=0.8)
# Правый график: логарифмическая нормализация (LogNorm)
im2 = ax2.imshow(Z, cmap='hot', norm=LogNorm())
ax2.set_title('Логарифмическая нормализация (LogNorm)')
fig.colorbar(im2, ax=ax2, shrink=0.8)
fig.suptitle('Линейная и логарифмическая нормализация', fontsize=14)
plt.show()
Часто задаваемые вопросы
В чём разница между origin='upper' и 'lower'?
origin='upper'(По умолчанию): массив [0, 0] находится в левом верхнем углу, ось y направлена сверху вниз, подходит для изображений.
origin='lower': массив [0, 0] находится в левом нижнем углу, ось y направлена снизу вверх, подходит для математических/научных данных.
Можно использовать дляplt.rcParams['image.origin'] = 'lower'глобально изменять поведение по умолчанию.
Как выбрать между imshow и pcolormesh?
imshow()Подходит для регулярных сеток, больших объёмов данных и быстрой отрисовки (на основе растеризации).
pcolormesh()Подходит для нерегулярных сеток и случаев, требующих точных границ сетки (векторная отрисовка).
Как отображать изображения в градациях серого?
Setcmap='gray'илиcmap='Greys_r'(инверсия в градациях серого).
Другие расширения