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 pltimport matplotlib.image as mpimgimport matplotlib as mplfrom PIL import Imageimport numpy as np# 自定义colormapdef 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 3import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplimport matplotlib.colors as colors# load datadef 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colormapax = 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colorbarax = 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colorbarax = 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VEVB武林网。
注：相关教程知识阅读请移步到python教程频道。
