Matplotlib és una biblioteca en Python i és una extensió numèrica - matemàtica per a la biblioteca NumPy. Pyplot és una interfície basada en estat per a Matplotlib mòdul que proporciona una interfície semblant a MATLAB.
matplotlib.pyplot.imshow() Funció:
El funció imshow(). al mòdul pyplot de la biblioteca matplotlib s'utilitza per mostrar dades com a imatge; és a dir, en un ràster regular 2D.
Sintaxi: matplotlib.pyplot.imshow(X, cmap=Cap, norm=Cap, aspecte=Cap, interpolació=Cap, alpha=Cap, vmin=Cap, vmax=Cap, origen=Cap, extensió=Cap, forma=, filternorm=1 , filterrad=4.0, imlim=, resample=Cap, url=Cap, *, data=Cap, **kwargs)
Paràmetres: Aquest mètode accepta els paràmetres següents que es descriuen a continuació:
X: Aquest paràmetre són les dades de la imatge. cmap : aquest paràmetre és una instància de mapa de colors o un nom de mapa de colors registrat. norm : aquest paràmetre és la instància de Normalització que escala els valors de les dades a l'interval canònic del mapa de colors [0, 1] per a l'assignació de colors vmin, vmax : aquests paràmetres són de naturalesa opcional i són un rang de barra de colors. alfa : aquest paràmetre és una intensitat del color. aspect : aquest paràmetre s'utilitza per controlar la relació d'aspecte dels eixos. interpolació: aquest paràmetre és el mètode d'interpolació que s'utilitza per mostrar una imatge. origin : aquest paràmetre s'utilitza per col·locar l'índex [0, 0] de la matriu a la cantonada superior esquerra o inferior esquerra dels eixos. resample : aquest paràmetre és el mètode que s'utilitza per semblar. extent : aquest paràmetre és el quadre delimitador en coordenades de dades. filternorm : aquest paràmetre s'utilitza per al filtre de canvi de mida de la imatge antigran. filterrad : aquest paràmetre és el radi del filtre per als filtres que tenen un paràmetre de radi. url : aquest paràmetre estableix l'url del creat EixosImatge.
Devolucions: Això retorna el següent:
imatge: Això retorna el EixosImatge
Els exemples següents il·lustren la funció matplotlib.pyplot.imshow() a matplotlib.pyplot:
Exemple #1:
algorisme de kruskals
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors>import> LogNorm> > dx, dy>=> 0.015>,>0.05> y, x>=> np.mgrid[>slice>(>->4>,>4> +> dy, dy),> >slice>(>->4>,>4> +> dx, dx)]> z>=> (>1> -> x>/> 3.> +> x>*>*> 5> +> y>*>*> 5>)>*> np.exp(>->x>*>*> 2> -> y>*>*> 2>)> z>=> z[:>->1>, :>->1>]> z_min, z_max>=> ->np.>abs>(z).>max>(), np.>abs>(z).>max>()> > c>=> plt.imshow(z, cmap>=>'Greens'>, vmin>=> z_min, vmax>=> z_max,> >extent>=>[x.>min>(), x.>max>(), y.>min>(), y.>max>()],> >interpolation>=>'nearest'>, origin>=>'lower'>)> plt.colorbar(c)> > plt.title(>'matplotlib.pyplot.imshow() function Example'>,> >fontweight>=>'bold'>)> plt.show()> |
ubuntu quina comanda
>
>
Sortida:
Exemple #2:
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors>import> LogNorm> > dx, dy>=> 0.015>,>0.05> x>=> np.arange(>->4.0>,>4.0>, dx)> y>=> np.arange(>->4.0>,>4.0>, dy)> X, Y>=> np.meshgrid(x, y)> > extent>=> np.>min>(x), np.>max>(x), np.>min>(y), np.>max>(y)> > Z1>=> np.add.outer(>range>(>8>),>range>(>8>))>%> 2> plt.imshow(Z1, cmap>=>'binary_r'>, interpolation>=>'nearest'>,> >extent>=> extent, alpha>=> 1>)> > def> geeks(x, y):> >return> (>1> -> x>/> 2> +> x>*>*>5> +> y>*>*>6>)>*> np.exp(>->(x>*>*>2> +> y>*>*>2>))> > Z2>=> geeks(X, Y)> > plt.imshow(Z2, cmap>=>'Greens'>, alpha>=> 0.7>,> >interpolation>=>'bilinear'>, extent>=> extent)> > plt.title(>'matplotlib.pyplot.imshow() function Example'>,> >fontweight>=>'bold'>)> plt.show()> |
>
prime no code in java
>
Sortida:
