Python matplotlib的使用并自定义colormap的方法
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
fromPILimportImage
#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
importmatplotlib.pyplotasplt
importmatplotlib.imageasmpimg
importmatplotlibasmpl
fromPILimportImage
importnumpyasnp
#自定义colormap
defcolormap():
returnmpl.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
#python3 importnumpyasnp importmatplotlib.pyplotasplt importmatplotlibasmpl importmatplotlib.colorsascolors #loaddata defloaddata(i):#文件编号 path='./input/data/trainPingliu/trainPingliu%d.txt'%i data=np.loadtxt(path) returndata #生成图片格式自定义 defcolormap(): #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 returncolors.ListedColormap(cdict,'indexed') #foriinrange(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Pythonmatplotlib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毛票票。