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

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。