0.前言

添加colormap的对象是灰度图，可以变成热量图，从而更加明显的发现一些规律，适用于一些雷达图像等

from PIL import Image

# 将彩色图片转换成黑白图片

im=Image.open("./pic.jpg").convert('L')

# 保存图片

im.save("image.jpg")

1.从灰色图片中读取数据，转换成colormap图

import matplotlib.pyplot as plt

import matplotlib.image as mpimg

import matplotlib as mpl

from PIL import Image

import numpy as np

# 自定义colormap

def colormap():

return mpl.colors.LinearSegmentedColormap.from_list('cmap', ['#FFFFFF', '#98F5FF', '#00FF00', '#FFFF00','#FF0000', '#8B0000'], 256)

# 读取灰度图

data=mpimg.imread('./gray.jpg')

# 如果需要固定colorbar的范围，可以设置参数vmin，vmax，具体参考

#http://matplotlib.org/api/image_api.html

# 设定每个图的colormap和colorbar所表示范围是一样的，即归一化

plt.imsave('colormap.jpg',data, cmap=colormap())

这里没有显示出来colorbar的数值分布，得到的图像是等大的

2.从txt文本中读取二维数据，转换成自定义colormap图

#python 3

import numpy as np

import matplotlib.pyplot as plt

import matplotlib as mpl

import matplotlib.colors as colors

# load data

def loaddata(i): # 文件编号

path = './input/data/trainPingliu/trainPingliu%d.txt' % i

data = np.loadtxt(path)

return data

# 生成图片格式自定义

def colormap():

# 白青绿黄红

cdict = ['#FFFFFF', '#9ff113', '#5fbb44', '#f5f329', '#e50b32']

# 按照上面定义的colordict，将数据分成对应的部分，indexed：代表顺序

return colors.ListedColormap(cdict, 'indexed')

# for i in range(1, 10000):

# 加载数据

data = loaddata(1)

fig = plt.figure()

# 加载图片设置

my_cmap = colormap()

# 第一个子图,按照默认配置

ax = fig.add_subplot(221)

ax.imshow(data)

# 第二个子图,使用api自带的colormap

ax = fig.add_subplot(222)

cmap = mpl.cm.bwr # 蓝，白，红

ax.imshow(data, cmap=cmap)

# 第三个子图增加一个colorbar

ax = fig.add_subplot(223)

cmap = mpl.cm.winter # 冬季风格

im = ax.imshow(data, cmap=my_cmap)

plt.colorbar(im) # 增加colorbar

# 第四个子图可以调整colorbar

ax = fig.add_subplot(224)

cmap = mpl.cm.rainbow

# 这里设置colormap的固定值

norm = mpl.colors.Normalize(vmin=-1, vmax=1)

im=ax.imshow(data,cmap=cmap)

plt.colorbar(im,cmap=cmap, norm=norm,ticks=[-1,0,1])

# 显示

plt.show()

以上这篇Python matplotlib的使用并自定义colormap的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

本文标题: Python matplotlib的使用并自定义colormap的方法

本文地址: http://www.cppcns.com/jiaoben/python/247574.html