2022年 11月 4日

python绘图技巧（高清图）

一、绘制普通的多线图。

除了常规的样式坐标名字以及调节大小等，还有一些解决的特殊的，但是需要的问题。

1、 注意我们经常保存的画会留白很大，解决了这个问题

2、中文乱码

3、图像模糊，清晰度不够也解决了

  1. import cv2
  2. from pylab import *  # 支持中文
  3. mpl.rcParams['font.sans-serif'] = ['SimHei']
  4.  
  5. img2 = cv2.imread("img/fenge-1-1.jpg")
  6. img4 = cv2.imread("img/fenge-1-1-0.06.jpg")
  7. img5 = cv2.imread("img/fenge-1-1-0.02.jpg")
  8. img6 = cv2.imread("img/fenge-1-1-0.1.jpg")
  9.  
  10.  
  11. img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2HSV)
  12. h1, s, img2 = cv2.split(img2)  # 看单通道的
  13. img_array2 = np.array(img2)  # 把图像转成数组格式img = np.asarray(image)
  14. mean2 = np.average(img_array2, axis=0)  # 按列求均值
  15.  
  16. img4 = cv2.cvtColor(img4, cv2.COLOR_BGR2HSV)
  17. h1, s, img4 = cv2.split(img4)  # 看单通道的
  18. img_array4 = np.array(img4)  # 把图像转成数组格式img = np.asarray(image)
  19. mean4 = np.average(img_array4, axis=0)  # 按列求均值
  20.  
  21. img5 = cv2.cvtColor(img5, cv2.COLOR_BGR2HSV)
  22. h1, s, img5 = cv2.split(img5)  # 看单通道的
  23. img_array5 = np.array(img5)  # 把图像转成数组格式img = np.asarray(image)
  24. mean5 = np.average(img_array5, axis=0)  # 按列求均值
  25.  
  26. img6 = cv2.cvtColor(img6, cv2.COLOR_BGR2HSV)
  27. h1, s, img6 = cv2.split(img6)  # 看单通道的
  28. img_array6 = np.array(img6)  # 把图像转成数组格式img = np.asarray(image)
  29. mean6 = np.average(img_array6, axis=0)  # 按列求均值
  30.  
  31. # plt.plot(mean2,c="g",label=u'a=std/(255*2)')
  32. # plt.plot(mean4,linestyle=":",c="r",label=u'a=0.06')
  33. # plt.plot(mean5,linestyle="-.",c="b",label=u'a=0.02')
  34. # plt.plot(mean6,linestyle="--",c="k",label=u'a=0.1')
  35.  
  36. plt.plot(mean2,linewidth=1,c="g",label=u'a=std/(255*2)')
  37. plt.plot(mean4,linewidth=1,linestyle=":",c="r",label=u'a=0.06')
  38. plt.plot(mean5,linewidth=1,linestyle="--",c="b",label=u'a=0.02')
  39. plt.plot(mean6,linewidth=1,linestyle="-.",c="darkorange",label=u'a=0.1')
  40.  
  41.  
  42. plt.legend(loc='upper right',prop={'family':'SimHei','size':9})  # 让图例生效
  43. # plt.legend(loc='upper right',size=5)  # 让图例生效lower
  44. plt.tick_params(direction='in')  # 刻度向里
  45. plt.xlim([0, 255])  # 横坐标范围
  46. plt.ylim([100, 150])  # 横坐标范围
  47. plt.ylim([100, 150])  # 横坐标范围
  48. # plt.grid(True)  ##增加格点
  49. plt.axis('tight')  # 坐标轴适应数据量 axis 设置坐标轴
  50. plt.xlabel("图像1宽度/（像素）", size=10)
  51. plt.ylabel("列平均灰度值", size=10)
  52.  
  53. # plt.title("a不同取值的L*(x,y)的一维曲线图")  # 标题
  54.  
  55. #方法一
  56.  # plt.rcParams['savefig.dpi'] = 800 #图片像素
  57. # #
  58. # # plt.rcParams['figure.dpi'] = 800 #分辨率
  59. # #
  60. # # # plt.axis('off')可以去坐标轴
  61. # # plt.savefig('img/name-2.jpg')
  62. # 方法二
  63. #可以直接设置保存好的图的清晰度，大小
  64. # plt.set_size_inches(6, 6)  #设置保存图片的尺寸
  65. plt.savefig('img/name-1.jpg', dpi=800,bbox_inches='tight')
  66.  
  67. #bbox_inches使生成的图片周围的空白缩小
  68. #在 plt.show() 之前调用 plt.savefig()，否则出现空白
  69.  
  70. plt.show()
  71.  
  72. cv2.waitKey(0)
  73. cv2.destroyAllWindows()

二、注意：另外一种设置刻度方向的方法：

import matplotlib.pyplot as plt

plt.rcParams[‘xtick.direction’] = ‘in’  # 将x周的刻度线方向设置向内
plt.rcParams[‘ytick.direction’] = ‘in’  # 将y轴的刻度方向设置向内

plt.rcParams[‘xtick.direction’] = ‘out’  # 将x周的刻度线方向设置向外
plt.rcParams[‘ytick.direction’] = ‘out’  # 将y轴的刻度方向设置向内外

plt.rcParams[‘xtick.direction’] = ‘inout’  # 将x周的刻度线方向设置向中间
plt.rcParams[‘ytick.direction’] = ‘inout’  # 将y轴的刻度方向设置向中间

 三、颜色样式

Python matplotlib 作图（一、线条颜色、类型设置）_qq_17576739的博客-CSDN博客_python画图线条粗细

 四、绘制3D图（秀一下）

  1. import cv2
  2. from pylab import *  # 支持中文
  3. mpl.rcParams['font.sans-serif'] = ['SimHei']
  4. from IPython.core.pylabtools import figsize # import figsize
  5.  
  6. img = cv2.imread("img/1-2.jpg", 0)
  7. # print(img.shape)#可以查看是200*200 3通道还是单通道
  8. cv2.imshow('img',img)
  9. height, width= img.shape[:2]
  10. print(height, width)
  11.  
  12. img = cv2.resize(img, (height,width))
  13.  
  14. xx, yy = np.mgrid[0:img.shape[0], 0:img.shape[1]]
  15.  
  16. # create the figure
  17. fig = plt.figure()
  18. ax = fig.gca(projection='3d')
  19. # ax.invert_yaxis()
  20. ax.invert_xaxis()
  21.  
  22. ax.plot_surface(xx, yy, img,rstride=1, cstride=1, cmap=plt.cm.gray,linewidth=0) #plt.cm.jet
  23. ax.set_zlabel("图像灰度值")
  24. ax.set_xlabel('图像2宽度/（像素）')
  25. ax.set_ylabel('图像2高度/（像素）')
  26. ax.set_ylim(bottom=0)#y轴从0开始
  27. ax.set_zlim(bottom=0)#z轴从0开始
  28. # plt.xlabel("图像1宽度/（像素）", size=10)
  29. # plt.ylabel("图像1高度/（像素）", size=10)
  30. # plt.tick_params(direction='in')  # 刻度向里
  31. plt.rcParams['xtick.direction']='in'
  32. # plt.rcParams['ytick.direction']='in'
  33. # figsize(8, 4) # 设置 figsize
  34. # plt.rcParams['savefig.dpi'] = 600 #图片像素
  35.  
  36. # plt.rcParams['figure.dpi'] = 600 #分辨率
  37. # plt.savefig('img/3D-1-2.jpg')
  38. #2、保存图片的大小
  39. fig.set_size_inches(6, 6)  #设置保存图片的尺寸
  40. plt.savefig('img/3D-1-2.jpg', dpi=600,bbox_inches='tight')
  41. #bbox_inches使生成的图片周围的空白缩小
  42. #在 plt.show() 之前调用 plt.savefig()，否则出现空白
  43. plt.show()
  44. cv2.waitKey()
  45. cv2.destroyAllWindows()# 销毁所有窗口

三维坐标的和二维还是有区别的。

 五、双y轴的应用

关键的代码：

  1. # plt.xticks(x, x, rotation=45)#横坐标刻度旋转45度
  2. plt.xticks([])#不显示横坐标刻度
  3. plt.xlim([0.5, 4.5]) #横坐标范围
  4. plt.ylim([0, 1]) #坐标范围
  5.  
  6.  
  7. plt.xlabel(u"原始图像              MSRCR              CALHE            本文算法")  # X轴标签
  8. plt.title("不同算法的评价指标值的变化")  # 标题
  9.  
  10. # plt.plot(greyScale_map, color='r')
  11. plt.tick_params(direction='in')  # 刻度向里
  12.  
  13. # 绘制另一Y轴
  14. plt.twinx()
  15. plt.plot(x, y1, marker='*',  mec='g', mfc='w', ms=10,label=u'信息熵曲线图')
  16. plt.plot(x1, y4, marker='.', ms=10, label=u'PSNR曲线图')