python数字图像处理（5）：图像的绘制

实际上前面咱们就已经用到了图像的绘制，如：

io.imshow(img)  

这一行代码的实质是利用matplotlib包对图片进行绘制，绘制成功后，返回一个matplotlib类型的数据。所以，咱们也能够这样写：

import matplotlib.pyplot as plt
plt.imshow(img)

imshow()函数格式为：

matplotlib.pyplot.imshow(X, cmap=None)

X: 要绘制的图像或数组。

cmap: 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。

其它可选的颜色图谱以下列表：

颜色图谱	描述
autumn	红-橙-黄
bone	黑-白，x线
cool	青-洋红
copper	黑-铜
flag	红-白-蓝-黑
gray	黑-白
hot	黑-红-黄-白
hsv	hsv颜色空间， 红-黄-绿-青-蓝-洋红-红
inferno	黑-红-黄
jet	蓝-青-黄-红
magma	黑-红-白
pink	黑-粉-白
plasma	绿-红-黄
prism	红-黄-绿-蓝-紫-...-绿模式
spring	洋红-黄
summer	绿-黄
viridis	蓝-绿-黄
winter	蓝-绿

用的比较多的有gray,jet等，如：

plt.imshow(image,plt.cm.gray)

plt.imshow(img,cmap=plt.cm.jet)

在窗口上绘制完图片后，返回一个AxesImage对象。要在窗口上显示这个对象，咱们能够调用show()函数来进行显示，但进行练习的时候（ipython环境中），通常咱们能够省略show（）函数，也能自动显示出来。

from skimage import io,data
img=data.astronaut()
dst=io.imshow(img)
print(type(dst))
io.show()

显示为：

能够看到，类型是'matplotlib.image.AxesImage'。显示一张图片，咱们一般更愿意这样写：

import matplotlib.pyplot as plt
from skimage import io,data
img=data.astronaut()
plt.imshow(img)
plt.show()

 

matplotlib是一个专业绘图的库，至关于matlab中的plot,能够设置多个figure窗口,设置figure的标题，隐藏坐标尺，甚至能够使用subplot在一个figure中显示多张图片。通常咱们能够这样导入matplotlib库：

import matplotlib.pyplot as plt

也就是说，咱们绘图实际上用的是matplotlib包的pyplot模块。

1、用figure函数和subplot函数分别建立主窗口与子图

例:分开并同时显示宇航员图片的三个通道

from skimage import data
import matplotlib.pyplot as plt
img=data.astronaut()
plt.figure(num='astronaut',figsize=(8,8))  #建立一个名为astronaut的窗口,并设置大小 

plt.subplot(2,2,1)     #将窗口分为两行两列四个子图，则可显示四幅图片
plt.title('origin image')   #第一幅图片标题
plt.imshow(img)      #绘制第一幅图片

plt.subplot(2,2,2)     #第二个子图
plt.title('R channel')   #第二幅图片标题
plt.imshow(img[:,:,0],plt.cm.gray)      #绘制第二幅图片,且为灰度图
plt.axis('off')     #不显示坐标尺寸

plt.subplot(2,2,3)     #第三个子图
plt.title('G channel')   #第三幅图片标题
plt.imshow(img[:,:,1],plt.cm.gray)      #绘制第三幅图片,且为灰度图
plt.axis('off')     #不显示坐标尺寸

plt.subplot(2,2,4)     #第四个子图
plt.title('B channel')   #第四幅图片标题
plt.imshow(img[:,:,2],plt.cm.gray)      #绘制第四幅图片,且为灰度图
plt.axis('off')     #不显示坐标尺寸

plt.show()   #显示窗口

在图片绘制过程当中，咱们用matplotlib.pyplot模块下的figure（）函数来建立显示窗口，该函数的格式为：

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None)

全部参数都是可选的，都有默认值，所以调用该函数时能够不带任何参数，其中：

num: 整型或字符型均可以。若是设置为整型，则该整型数字表示窗口的序号。若是设置为字符型，则该字符串表示窗口的名称。用该参数来命名窗口，若是两个窗口序号或名相同，则后一个窗口会覆盖前一个窗口。

figsize: 设置窗口大小。是一个tuple型的整数，如figsize=（8，8）

dpi: 整形数字，表示窗口的分辨率。

facecolor: 窗口的背景颜色。

edgecolor: 窗口的边框颜色。

用figure()函数建立的窗口，只能显示一幅图片，若是想要显示多幅图片，则须要将这个窗口再划分为几个子图，在每一个子图中显示不一样的图片。咱们能够使用subplot（）函数来划分子图，函数格式为：

matplotlib.pyplot.subplot(nrows, ncols, plot_number)

nrows: 子图的行数。

ncols: 子图的列数。

plot_number: 当前子图的编号。

如：

plt.subplot(2,2,1)

则表示将figure窗口划分红了2行2列共4个子图，当前为第1个子图。咱们有时也能够用这种写法：

plt.subplot(221)

两种写法效果是同样的。每一个子图的标题可用title()函数来设置，是否使用坐标尺可用axis()函数来设置，如：

plt.subplot(221)
plt.title("first subwindow")
plt.axis('off')  

 

2、用subplots来建立显示窗口与划分子图

除了上面那种方法建立显示窗口和划分子图，还有另一种编写方法也能够，以下例: 

import matplotlib.pyplot as plt
from skimage import data,color

img = data.immunohistochemistry()
hsv = color.rgb2hsv(img)

fig, axes = plt.subplots(2, 2, figsize=(7, 6))
ax0, ax1, ax2, ax3 = axes.ravel()

ax0.imshow(img)
ax0.set_title("Original image")

ax1.imshow(hsv[:, :, 0], cmap=plt.cm.gray)
ax1.set_title("H")

ax2.imshow(hsv[:, :, 1], cmap=plt.cm.gray)
ax2.set_title("S")

ax3.imshow(hsv[:, :, 2], cmap=plt.cm.gray)
ax3.set_title("V")

for ax in axes.ravel():
    ax.axis('off')

fig.tight_layout()  #自动调整subplot间的参数

直接用subplots()函数来建立并划分窗口。注意，比前面的subplot()函数多了一个s，该函数格式为：

matplotlib.pyplot.subplots(nrows=1, ncols=1)

nrows: 全部子图行数，默认为1。

ncols: 全部子图列数，默认为1。

返回一个窗口figure, 和一个tuple型的ax对象，该对象包含全部的子图,可结合ravel()函数列出全部子图，如：

fig, axes = plt.subplots(2, 2, figsize=(7, 6))
ax0, ax1, ax2, ax3 = axes.ravel()

建立了2行2列4个子图，分别取名为ax0,ax1,ax2和ax3, 每一个子图的标题用set_title()函数来设置，如：

ax0.imshow(img)
ax0.set_title("Original image")

 

若是有多个子图，咱们还能够使用tight_layout()函数来调整显示的布局，该函数格式为：

matplotlib.pyplot.tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)

全部的参数都是可选的，调用该函数时可省略全部的参数。

pad: 主窗口边缘和子图边缘间的间距，默认为1.08

h_pad, w_pad: 子图边缘之间的间距，默认为 pad_inches

rect: 一个矩形区域，若是设置这个值，则将全部的子图调整到这个矩形区域内。

通常调用为：

plt.tight_layout()  #自动调整subplot间的参数

 

3、其它方法绘图并显示

除了使用matplotlib库来绘制图片，skimage还有另外一个子模块viewer，也提供一个函数来显示图片。不一样的是，它利用Qt工具来建立一块画布，从而在画布上绘制图像。

例：

from skimage import data
from skimage.viewer import ImageViewer

img = data.coins()
viewer = ImageViewer(img)
viewer.show()

 

最后总结一下，绘制和显示图片经常使用到的函数有：

函数名	功能	调用格式
figure	建立一个显示窗口	plt.figure(num=1,figsize=(8,8)
imshow	绘制图片	plt.imshow(image)
show	显示窗口	plt.show()
subplot	划分子图	plt.subplot(2,2,1)
title	设置子图标题(与subplot结合使用）	plt.title('origin image')
axis	是否显示坐标尺	plt.axis('off')
subplots	建立带有多个子图的窗口	fig,axes=plt.subplots(2,2,figsize=(8,8))
ravel	为每一个子图设置变量	ax0,ax1,ax2,ax3=axes.ravel()
set_title	设置子图标题（与axes结合使用）	ax0.set_title('first window')
tight_layout	自动调整子图显示布局	plt.tight_layout()