当前位置：极客笔记 > Matplotlib > Matplotlib 问答 > Matplotlib中如何正确在一个图形中显示多个图像

Matplotlib中如何正确在一个图形中显示多个图像

Matplotlib中如何正确在一个图形中显示多个图像

参考：How to Display Multiple Images in One Figure Correctly in Matplotlib

Matplotlib是Python中强大的数据可视化库，它不仅可以绘制各种图表，还能够在一个图形中显示多个图像。本文将详细介绍如何使用Matplotlib在一个图形中正确显示多个图像，包括不同的布局方式、图像处理技巧以及一些高级功能。我们将通过多个示例来展示这些技术，帮助您掌握在Matplotlib中处理多图像显示的各种方法。

1. 基本概念和准备工作

在开始之前，我们需要了解一些基本概念并做好准备工作。

1.1 Figure和Axes

在Matplotlib中，Figure是整个图形窗口，而Axes是图形中的一个绘图区域。当我们要在一个图形中显示多个图像时，实际上是在一个Figure中创建多个Axes，然后在每个Axes中显示一个图像。

1.2 导入必要的库

首先，我们需要导入必要的库：

import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

这里我们导入了Matplotlib的pyplot模块、NumPy和PIL（Python Imaging Library）。NumPy用于创建示例图像数组，PIL用于读取图像文件。

1.3 创建示例图像

为了演示，我们可以创建一些简单的示例图像：

def create_sample_image(text):
    fig, ax = plt.subplots(figsize=(3, 3))
    ax.text(0.5, 0.5, text, ha='center', va='center', fontsize=20)
    ax.axis('off')
    fig.canvas.draw()
    image = np.frombuffer(fig.canvas.tostring_rgb(), dtype=np.uint8)
    image = image.reshape(fig.canvas.get_width_height()[::-1] + (3,))
    plt.close(fig)
    return image

image1 = create_sample_image("Image 1\nhow2matplotlib.com")
image2 = create_sample_image("Image 2\nhow2matplotlib.com")
image3 = create_sample_image("Image 3\nhow2matplotlib.com")
image4 = create_sample_image("Image 4\nhow2matplotlib.com")

这个函数创建了一个包含文本的简单图像，我们将使用这些图像来演示多图像显示技术。

2. 使用subplot()函数显示多个图像

subplot()函数是Matplotlib中最基本的多图像显示方法之一。它允许我们在一个图形中创建网格状的子图。

2.1 基本用法

以下是使用subplot()函数显示2×2网格中的四个图像的示例：

import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

axs[0, 0].imshow(image1)
axs[0, 0].set_title("Image 1 - how2matplotlib.com")
axs[0, 0].axis('off')

axs[0, 1].imshow(image2)
axs[0, 1].set_title("Image 2 - how2matplotlib.com")
axs[0, 1].axis('off')

axs[1, 0].imshow(image3)
axs[1, 0].set_title("Image 3 - how2matplotlib.com")
axs[1, 0].axis('off')

axs[1, 1].imshow(image4)
axs[1, 1].set_title("Image 4 - how2matplotlib.com")
axs[1, 1].axis('off')

plt.tight_layout()
plt.show()

在这个示例中，我们创建了一个2×2的子图网格，然后在每个子图中显示一个图像。我们使用imshow()函数来显示图像，设置标题，并关闭坐标轴。最后，我们使用tight_layout()函数来自动调整子图之间的间距。

2.2 不同大小的子图

我们也可以创建不同大小的子图：

import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 8))

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2, rowspan=2)
ax2 = plt.subplot2grid((3, 3), (0, 2), rowspan=3)
ax3 = plt.subplot2grid((3, 3), (2, 0))
ax4 = plt.subplot2grid((3, 3), (2, 1))

ax1.imshow(image1)
ax1.set_title("Image 1 - how2matplotlib.com")
ax1.axis('off')

ax2.imshow(image2)
ax2.set_title("Image 2 - how2matplotlib.com")
ax2.axis('off')

ax3.imshow(image3)
ax3.set_title("Image 3 - how2matplotlib.com")
ax3.axis('off')

ax4.imshow(image4)
ax4.set_title("Image 4 - how2matplotlib.com")
ax4.axis('off')

plt.tight_layout()
plt.show()

在这个示例中，我们使用subplot2grid()函数来创建不同大小的子图。这允许我们更灵活地控制子图的布局。

3. 使用GridSpec进行更灵活的布局

GridSpec提供了更高级的子图布局控制。它允许我们创建复杂的网格布局，并可以跨越多个网格单元。

3.1 基本GridSpec用法

以下是使用GridSpec创建不规则布局的示例：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 8))
gs = GridSpec(3, 3, figure=fig)

ax1 = fig.add_subplot(gs[0, :2])
ax2 = fig.add_subplot(gs[:, 2])
ax3 = fig.add_subplot(gs[1:, 0])
ax4 = fig.add_subplot(gs[1:, 1])

ax1.imshow(image1)
ax1.set_title("Image 1 - how2matplotlib.com")
ax1.axis('off')

ax2.imshow(image2)
ax2.set_title("Image 2 - how2matplotlib.com")
ax2.axis('off')

ax3.imshow(image3)
ax3.set_title("Image 3 - how2matplotlib.com")
ax3.axis('off')

ax4.imshow(image4)
ax4.set_title("Image 4 - how2matplotlib.com")
ax4.axis('off')

plt.tight_layout()
plt.show()

这个示例创建了一个3×3的网格，然后使用切片语法来定义跨越多个网格单元的子图。

3.2 嵌套GridSpec

我们还可以创建嵌套的GridSpec，以实现更复杂的布局：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 8))
outer_grid = GridSpec(2, 2, figure=fig)

for i in range(4):
    inner_grid = GridSpecFromSubplotSpec(2, 2, subplot_spec=outer_grid[i])
    for j in range(4):
        ax = fig.add_subplot(inner_grid[j])
        ax.imshow(eval(f"image{(i*4+j)%4+1}"))
        ax.set_title(f"Image {(i*4+j)%4+1} - how2matplotlib.com")
        ax.axis('off')

plt.tight_layout()
plt.show()

这个示例创建了一个2×2的外部网格，每个外部网格单元又包含一个2×2的内部网格，从而形成了一个包含16个子图的复杂布局。

4. 使用add_subplot()方法

add_subplot()方法是另一种创建子图的方式，它提供了更直接的控制。

4.1 基本用法

以下是使用add_subplot()方法创建子图的示例：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 8))

ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)

ax1.imshow(image1)
ax1.set_title("Image 1 - how2matplotlib.com")
ax1.axis('off')

ax2.imshow(image2)
ax2.set_title("Image 2 - how2matplotlib.com")
ax2.axis('off')

ax3.imshow(image3)
ax3.set_title("Image 3 - how2matplotlib.com")
ax3.axis('off')

ax4.imshow(image4)
ax4.set_title("Image 4 - how2matplotlib.com")
ax4.axis('off')

plt.tight_layout()
plt.show()

在这个示例中，我们使用三位数的参数来指定子图的位置。例如，221表示2行2列的布局中的第一个位置。

4.2 自定义子图位置

我们还可以使用add_subplot()方法来创建自定义位置和大小的子图：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 8))

ax1 = fig.add_subplot(2, 2, (1, 2))
ax2 = fig.add_subplot(2, 2, 3)
ax3 = fig.add_subplot(2, 2, 4)

ax1.imshow(image1)
ax1.set_title("Image 1 - how2matplotlib.com")
ax1.axis('off')

ax2.imshow(image2)
ax2.set_title("Image 2 - how2matplotlib.com")
ax2.axis('off')

ax3.imshow(image3)
ax3.set_title("Image 3 - how2matplotlib.com")
ax3.axis('off')

plt.tight_layout()
plt.show()

在这个示例中，我们创建了一个跨越两个列的大子图和两个小子图。

5. 调整子图之间的间距

控制子图之间的间距对于创建美观的多图像布局非常重要。Matplotlib提供了几种方法来调整间距。

5.1 使用subplots_adjust()

subplots_adjust()函数允许我们精确控制子图的位置和间距：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

for i in range(2):
    for j in range(2):
        axs[i, j].imshow(eval(f"image{i*2+j+1}"))
        axs[i, j].set_title(f"Image {i*2+j+1} - how2matplotlib.com")
        axs[i, j].axis('off')

plt.subplots_adjust(wspace=0.3, hspace=0.3)
plt.show()

在这个示例中，我们使用wspace和hspace参数来调整子图之间的水平和垂直间距。

5.2 使用gridspec_kw参数

在创建子图时，我们可以使用gridspec_kw参数来设置间距：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10), gridspec_kw={'wspace': 0.3, 'hspace': 0.3})

for i in range(2):
    for j in range(2):
        axs[i, j].imshow(eval(f"image{i*2+j+1}"))
        axs[i, j].set_title(f"Image {i*2+j+1} - how2matplotlib.com")
        axs[i, j].axis('off')

plt.show()

这个方法在创建子图时就设置了间距，可以避免后续调整。

6. 处理不同大小和比例的图像

在实际应用中，我们可能需要显示不同大小和比例的图像。Matplotlib提供了几种方法来处理这种情况。

6.1 使用aspect参数

imshow()函数的aspect参数可以控制图像的显示比例：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

# 创建不同比例的图像
image5 = np.random.rand(100, 200, 3)
image6 = np.random.rand(200, 100, 3)

axs[0, 0].imshow(image1, aspect='auto')
axs[0, 0].set_title("Image 1 - how2matplotlib.com")
axs[0, 0].axis('off')

axs[0, 1].imshow(image2, aspect='equal')
axs[0, 1].set_title("Image 2 - how2matplotlib.com")
axs[0, 1].axis('off')

axs[1, 0].imshow(image5, aspect='auto')
axs[1, 0].set_title("Image 5 - how2matplotlib.com")
axs[1, 0].axis('off')

axs[1, 1].imshow(image6, aspect='equal')
axs[1, 1].set_title("Image 6 - how2matplotlib.com")
axs[1, 1].axis('off')

plt.tight_layout()
plt.show()

在这个示例中，我们使用’auto’和’equal’两种不同的aspect设置来显示不同比例的图像。

6.2 使用add_axes()方法

add_axes()方法允许我们在Figure中创建自定义位置和大小的Axes：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 8))

ax1 = fig.add_axes([0.1, 0.5, 0.35, 0.35])
ax2 = fig.add_axes([0.5, 0.5, 0.35, 0.35])
ax3 = fig.add_axes([0.1, 0.1, 0.35, 0.35])
ax4 = fig.add_axes([0.5, 0.1, 0.35, 0.35])

ax1.imshow(image1)
ax1.set_title("Image 1 - how2matplotlib.com")
ax1.axis('off')ax2.imshow(image2)
ax2.set_title("Image 2 - how2matplotlib.com")
ax2.axis('off')

ax3.imshow(image3)
ax3.set_title("Image 3 - how2matplotlib.com")
ax3.axis('off')

ax4.imshow(image4)
ax4.set_title("Image 4 - how2matplotlib.com")
ax4.axis('off')

plt.show()

在这个示例中，我们使用add_axes()方法来精确控制每个子图的位置和大小。参数列表[left, bottom, width, height]定义了子图在Figure中的位置和尺寸，这些值都是相对于Figure大小的比例。

7. 添加颜色条（Colorbar）

当显示的图像是热图或其他需要颜色映射的图像时，添加颜色条可以帮助理解图像的含义。

7.1 为单个子图添加颜色条

以下是为单个子图添加颜色条的示例：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, ax = plt.subplots(figsize=(8, 6))

# 创建一个示例热图
data = np.random.rand(20, 20)
im = ax.imshow(data, cmap='viridis')
ax.set_title("Heatmap - how2matplotlib.com")

# 添加颜色条
cbar = fig.colorbar(im, ax=ax)
cbar.set_label('Value')

plt.show()

Output:

Matplotlib中如何正确在一个图形中显示多个图像

在这个示例中，我们创建了一个随机的热图，并使用fig.colorbar()方法为其添加了颜色条。

7.2 为多个子图添加颜色条

当有多个子图时，我们可以为每个子图添加单独的颜色条，或者添加一个共享的颜色条：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 创建四个示例热图
data1 = np.random.rand(20, 20)
data2 = np.random.rand(20, 20)
data3 = np.random.rand(20, 20)
data4 = np.random.rand(20, 20)

im1 = axs[0, 0].imshow(data1, cmap='viridis')
axs[0, 0].set_title("Heatmap 1 - how2matplotlib.com")

im2 = axs[0, 1].imshow(data2, cmap='plasma')
axs[0, 1].set_title("Heatmap 2 - how2matplotlib.com")

im3 = axs[1, 0].imshow(data3, cmap='inferno')
axs[1, 0].set_title("Heatmap 3 - how2matplotlib.com")

im4 = axs[1, 1].imshow(data4, cmap='magma')
axs[1, 1].set_title("Heatmap 4 - how2matplotlib.com")

# 为每个子图添加颜色条
for ax, im in zip(axs.flat, [im1, im2, im3, im4]):
    fig.colorbar(im, ax=ax)

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何正确在一个图形中显示多个图像

这个示例为每个子图添加了单独的颜色条。如果想添加一个共享的颜色条，可以使用以下代码：

fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 创建四个示例热图
data1 = np.random.rand(20, 20)
data2 = np.random.rand(20, 20)
data3 = np.random.rand(20, 20)
data4 = np.random.rand(20, 20)

im1 = axs[0, 0].imshow(data1, cmap='viridis')
axs[0, 0].set_title("Heatmap 1 - how2matplotlib.com")

im2 = axs[0, 1].imshow(data2, cmap='viridis')
axs[0, 1].set_title("Heatmap 2 - how2matplotlib.com")

im3 = axs[1, 0].imshow(data3, cmap='viridis')
axs[1, 0].set_title("Heatmap 3 - how2matplotlib.com")

im4 = axs[1, 1].imshow(data4, cmap='viridis')
axs[1, 1].set_title("Heatmap 4 - how2matplotlib.com")

# 添加一个共享的颜色条
fig.colorbar(im1, ax=axs.ravel().tolist())

plt.tight_layout()
plt.show()

这个示例为所有子图添加了一个共享的颜色条。

8. 添加总标题和子标题

为了使多图像布局更加清晰，我们可以添加总标题和子标题。

8.1 添加总标题

以下是添加总标题的示例：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

for i in range(2):
    for j in range(2):
        axs[i, j].imshow(eval(f"image{i*2+j+1}"))
        axs[i, j].set_title(f"Image {i*2+j+1} - how2matplotlib.com")
        axs[i, j].axis('off')

fig.suptitle("Multiple Images Display - how2matplotlib.com", fontsize=16)

plt.tight_layout()
plt.show()

在这个示例中，我们使用fig.suptitle()方法添加了一个总标题。

8.2 添加子标题

我们可以为每组子图添加子标题：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig = plt.figure(figsize=(12, 10))

gs = GridSpec(3, 2, figure=fig)

ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
ax3 = fig.add_subplot(gs[1, 0])
ax4 = fig.add_subplot(gs[1, 1])

ax1.imshow(image1)
ax1.set_title("Image 1 - how2matplotlib.com")
ax1.axis('off')

ax2.imshow(image2)
ax2.set_title("Image 2 - how2matplotlib.com")
ax2.axis('off')

ax3.imshow(image3)
ax3.set_title("Image 3 - how2matplotlib.com")
ax3.axis('off')

ax4.imshow(image4)
ax4.set_title("Image 4 - how2matplotlib.com")
ax4.axis('off')

fig.suptitle("Multiple Images Display - how2matplotlib.com", fontsize=16)

# 添加子标题
fig.text(0.5, 0.67, "Top Row Images", ha='center', fontsize=14)
fig.text(0.5, 0.33, "Bottom Row Images", ha='center', fontsize=14)

plt.tight_layout()
plt.show()

在这个示例中，我们使用fig.text()方法为上下两行图像添加了子标题。

9. 处理图像边框和背景

有时我们可能需要调整图像的边框和背景以获得更好的视觉效果。

9.1 移除图像边框

以下是移除图像边框的示例：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

for i in range(2):
    for j in range(2):
        axs[i, j].imshow(eval(f"image{i*2+j+1}"))
        axs[i, j].set_title(f"Image {i*2+j+1} - how2matplotlib.com")
        axs[i, j].axis('off')

        # 移除边框
        for spine in axs[i, j].spines.values():
            spine.set_visible(False)

plt.tight_layout()
plt.show()

在这个示例中，我们通过设置spine的可见性为False来移除了图像的边框。

9.2 设置背景颜色

我们可以为整个Figure或单个Axes设置背景颜色：

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

fig.patch.set_facecolor('#F0F0F0')  # 设置Figure的背景颜色

for i in range(2):
    for j in range(2):
        axs[i, j].imshow(eval(f"image{i*2+j+1}"))
        axs[i, j].set_title(f"Image {i*2+j+1} - how2matplotlib.com")
        axs[i, j].axis('off')

        # 设置Axes的背景颜色
        axs[i, j].set_facecolor('#E0E0E0')

plt.tight_layout()
plt.show()

在这个示例中，我们为Figure设置了浅灰色背景，为每个Axes设置了稍深一点的灰色背景。

10. 保存多图像布局

最后，我们可能需要将创建的多图像布局保存为图片文件。

from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

for i in range(2):
    for j in range(2):
        axs[i, j].imshow(eval(f"image{i*2+j+1}"))
        axs[i, j].set_title(f"Image {i*2+j+1} - how2matplotlib.com")
        axs[i, j].axis('off')

plt.tight_layout()

# 保存图片
plt.savefig('multiple_images.png', dpi=300, bbox_inches='tight')
plt.show()

在这个示例中，我们使用plt.savefig()方法将图形保存为PNG文件。dpi参数控制图像的分辨率，bbox_inches=’tight’参数确保保存的图像不会裁剪掉任何内容。

结论

通过本文，我们详细介绍了如何在Matplotlib中正确显示多个图像。我们探讨了多种布局方法，包括使用subplot()、GridSpec和add_subplot()等函数，以及如何调整子图间距、处理不同大小和比例的图像、添加颜色条和标题等。这些技术可以帮助您创建复杂的多图像布局，以满足各种数据可视化需求。

记住，创建有效的多图像显示不仅仅是技术问题，还需要考虑数据的逻辑关系和视觉美感。通过实践和经验，您将能够创建既信息丰富又视觉吸引的多图像可视化。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程