Python matplotlib figimage用法及代码示例

本文简要介绍 python 语言中 matplotlib.pyplot.figimage 的用法。

用法

matplotlib.pyplot.figimage(X, xo=0, yo=0, alpha=None, norm=None, cmap=None, vmin=None, vmax=None, origin=None, resize=False, **kwargs)

向图中添加未重新采样的图像。

根据 origin 将图像附加到左下角或左上角。

参数：

X

图像数据。这是以下形状之一的数组：

• (M,N)：具有标量数据的图像。 Color-mapping 由 cmap 、 norm 、 vmin 和 vmax 控制。

• (M, N, 3)：具有 RGB 值(0-1 float 或 0-255 int)的图像。

• (M, N, 4)：具有 RGBA 值(0-1 float 或 0-255 int)的图像，即包括透明度。

xo, yo int

x /y 图像偏移(以像素为单位)。

alpha 无或浮点数

Alpha 混合值。

cmap str 或 Colormap ，默认值：rcParams["image.cmap"](默认值：'viridis')

用于将标量数据映射到颜色的颜色图实例或注册的颜色图名称。

如果X 为 RGB(A)，则忽略此参数。

norm str 或 Normalize ，可选

在使用 cmap 映射到颜色之前，用于将标量数据缩放到 [0, 1] 范围的归一化方法。默认情况下，使用线性缩放，将最低值映射到 0，将最高值映射到 1。

如果给出，这可以是以下之一：

• Normalize 或其子类之一的实例(请参阅颜色图归一化)。

• 比例名称，即 "linear"、"log"、"symlog"、"logit" 等之一。有关可用比例的列表，请调用 matplotlib.scale.get_scale_names() 。在这种情况下，会动态生成并实例化合适的 Normalize 子类。

如果X 为 RGB(A)，则忽略此参数。

vmin, vmax 浮点数，可选

当使用标量数据并且没有显式 norm 时，vmin 和 vmax 定义颜色图覆盖的数据范围。默认情况下，颜色图覆盖所提供数据的完整值范围。当给出 norm 实例时，使用 vmin /vmax 是错误的(但使用 str norm 名称和 vmin /vmax 是可以接受的)。

如果X 为 RGB(A)，则忽略此参数。

origin {'upper', 'lower'}，默认：rcParams["image.origin"](默认：'upper')

指示数组的 [0, 0] 索引在坐标区的左上角或左下角的位置。

resize bool

如果 True ，调整图形大小以匹配给定的图像大小。

返回：

matplotlib.image.FigureImage

其他参数：

**kwargs

其他 kwargs 是 Artist kwargs 传递给 FigureImage 。

注意

figimage 补充了轴图像( imshow )，它将被重新采样以适应当前轴。如果要重新采样的图像填充整个图形，可以定义范围为 [0, 0, 1, 1] 的 Axes 。

例子

f = plt.figure()
nx = int(f.get_figwidth() * f.dpi)
ny = int(f.get_figheight() * f.dpi)
data = np.random.random((ny, nx))
f.figimage(data)
plt.show()