0.前言

添加colormap的對象是灰度圖，可以變成熱量圖，從而更加明顯的發現一些規律，適用于一些雷達圖像等

from PIL import Image# 將彩色圖片轉換成黑白圖片im=Image.open("./pic.jpg").convert('L')# 保存圖片im.save("image.jpg")

1.從灰色圖片中讀取數據，轉換成colormap圖

import matplotlib.pyplot as pltimport matplotlib.image as mpimgimport matplotlib as mplfrom PIL import Imageimport numpy as np# 自定義colormapdef colormap():  return mpl.colors.LinearSegmentedColormap.from_list('cmap', ['#FFFFFF', '#98F5FF', '#00FF00', '#FFFF00','#FF0000', '#8B0000'], 256)# 讀取灰度圖data=mpimg.imread('./gray.jpg')# 如果需要固定colorbar的范圍，可以設置參數vmin，vmax，具體參考                 #http://matplotlib.org/api/image_api.html# 設定每個圖的colormap和colorbar所表示范圍是一樣的，即歸一化 plt.imsave('colormap.jpg',data, cmap=colormap())

這里沒有顯示出來colorbar的數值分布，得到的圖像是等大的

2.從txt文本中讀取二維數據，轉換成自定義colormap圖

#python 3import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplimport matplotlib.colors as colors# load datadef loaddata(i): # 文件編號  path = './input/data/trainPingliu/trainPingliu%d.txt' % i  data = np.loadtxt(path)  return data# 生成圖片格式自定義def colormap():  # 白青綠黃紅  cdict = ['#FFFFFF', '#9ff113', '#5fbb44', '#f5f329', '#e50b32']  # 按照上面定義的colordict，將數據分成對應的部分，indexed：代表順序  return colors.ListedColormap(cdict, 'indexed')# for i in range(1, 10000):# 加載數據data = loaddata(1)fig = plt.figure()# 加載圖片設置my_cmap = colormap()# 第一個子圖,按照默認配置ax = fig.add_subplot(221)ax.imshow(data)# 第二個子圖,使用api自帶的colormapax = fig.add_subplot(222)cmap = mpl.cm.bwr # 藍，白，紅ax.imshow(data, cmap=cmap)# 第三個子圖增加一個colorbarax = fig.add_subplot(223)cmap = mpl.cm.winter # 冬季風格im = ax.imshow(data, cmap=my_cmap)plt.colorbar(im) # 增加colorbar# 第四個子圖可以調整colorbarax = fig.add_subplot(224)cmap = mpl.cm.rainbow# 這里設置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])# 顯示plt.show()

以上這篇Python matplotlib的使用并自定義colormap的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。