Matplotlib 如何使用’matplotlib.pyplot.imshow’的’extent’参数

在使用Python进行数据可视化时，Matplotlib被广泛应用。其中，pyplot.imshow函数用于绘制图像。其可以将数组作为图像显示，并支持许多不同的选项，包括extent参数，该参数用于定义图像的数据范围和坐标轴刻度。在本文中，将会讲述如何使用extent参数实现更好的图像可视化。

阅读更多：Matplotlib 教程

简介

在Matplotlib中显示图像，我们需要用到pyplot.imshow函数。该函数针对可视化图像的设定，可以接收以下参数：

X：表示要绘制的图像数据，它可以是二维数组、三维数组或四维数组。
cmap：指定用于绘制颜色的颜色映射。它可以是字符串，也可以是预先定义的颜色映射对象。
aspect：纵横比，指定图像的形状，可以是“定值”或一个浮点数。
interpolation：指定图像的插值方式，可以是字符串，也可以是插值函数的名称。
extent：指定显示的范围。这是一个四元组(left, right, bottom, top)，它表示左、右、下和上的坐标。
vmin和vmax：表示像素值的最小值和最大值。如果未指定，将使用X数组中的最小值和最大值。

这里，我们将重点关注extent参数。

什么是`extent`参数？

extent参数是一个四元组(left, right, bottom, top)。其定义了坐标系的数量和标签。这意味着它不仅可以为图像数据提供坐标范围和标签，还可以为图像坐标和数据坐标提供序列，从而提供上下限边界，用于插值和统计计算。

通常，我们要使用imshow函数来显示二维或三维数组的图像。在这种情况下，需要使用extent参数以指定imshow中图像的坐标范围并标记最大值和最小值。

可以这样理解：如果没有extent参数，在绘制图像的情况下，imshow将自动将数组的边缘与图像填充区域的边缘对齐。如果使用extent，则可以更强制地指定图像的位置，可以方便地看到图像的整体形状。

示例

让我们先来看一个普通的二维数组，可以生成一张图像：

import matplotlib.pyplot as plt
import numpy as np
img = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
plt.imshow(img)
plt.show()

可是，我们发现图像默认的显示范围（即图片)并不是理想的。此时，我们便可以使用extent参数来设置图像的显示范围并给坐标轴添加标签。

plt.imshow(img, extent=[-1.5, 1.5, -1.5, 1.5])
plt.show()

使用`extent`参数绘制图像的一些技巧

使用extent参数绘制图像时，还有一些技巧可以帮助我们更好地展示图像。

1. 自动调整`extent`如果您不知道要将`extent`设置为多少，那么可以使用`extent = auto`指令自动调整图像的显示范围。这样，在显示图像时，`imshow`函数将自动为其指定一个合适的`extent`参数。

以下是示例代码：

X = np.arange(-3, 4, 1)
Y = np.arange(-3, 4, 1)
xx, yy = np.meshgrid(X, Y, sparse=True)
z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2)
plt.imshow(z, extent = 'auto', interpolation='nearest', origin='lower', cmap='seismic')
plt.colorbar()
plt.show()

2. 相对大小的图像

如果您想检查两个图像之间的相对大小，则可以使用extent参数来调整它们的显示范围。例如，假设您想比较两幅大小不同的图像，您可以使用以下代码：

# 第一个图像
x = np.random.rand(100)
y = np.random.rand(100)
z1 = x + y
extent = [0, 1, 0, 1]

# 第二幅图像
x = np.random.rand(25)
y = np.random.rand(25)
z2 = x + y
extent = [1.1, 1.5, 0, 0.4]

# 绘制两个图像
plt.imshow(z1, extent=extent, origin='lower')
plt.imshow(z2, extent=extent, origin='lower', alpha = 0.7)
plt.show()

3. 与其他图表结合使用

在Matplotlib中，您还可以将图像与其他图表结合使用，例如在网格上绘制蜂窝图。

以下是一个示例代码：

from matplotlib.collections import PatchCollection
from matplotlib.patches import Rectangle
from matplotlib.pyplot import figure

# 创建一个网格
fig, ax = plt.subplots(1)
fig.set_size_inches(10, 10)
numcells = 12
colours = np.random.rand(numcells)

# 为每个单元格定义一个矩形并将其添加到集合中
cells = []
for n in range(numcells):
    i = n % 4
    j = n // 4
    cell = Rectangle((i, j), 1, 1)
    cells.append(cell)
p = PatchCollection(cells, cmap='jet', alpha=0.4)
p.set_array(np.array(colours))

# 绘制网格
ax.add_collection(p)
plt.xlabel('x (mm)')
plt.ylabel('y (mm)')
plt.xlim([0, 4])
plt.ylim([0, 3]) 

# 绘制图像
img = np.random.rand(4, 3)
plt.imshow(img, extent=[0, 4, 0, 3], cmap='gray')
plt.colorbar()
plt.show()