Python matplotlib自定义Colormap及灰度图转换实战

Mia

发布时间：2026-10-13 | 6人浏览过

原创

本文详解如何利用Python matplotlib库自定义Colormap，将灰度图像或二维文本数据转换为可视化的热力图。内容涵盖从PIL读取灰度图、自定义颜色映射函数，以及从TXT文件加载二维数据并应用不同配色方案（如自定义、内置及带Colorbar的多种展示方式）。通过具体代码示例，展示如何调整归一化参数、设置Colorbar范围及刻度，帮助开发者更直观地分析雷达图像等数据规律。

前言

引入Colormap的主要对象通常是灰度图像，通过将其转换为热力图（或称伪彩色图），可以更清晰地揭示数据中隐藏的模式与规律。这一技术特别适用于雷达图像等需要增强视觉对比度的场景。

from PIL import Image
# 将彩色图片转换成黑白图片
im=Image.open("./pic.jpg").convert('L')
# 保存图片
im.save("image.jpg")

本节演示如何从灰度图片中读取数据，并将其转换为带有自定义Colormap的图像。

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import matplotlib as mpl
from PIL import Image
import numpy as np

# 自定义colormap
def colormap():
  return mpl.colors.LinearSegmentedColormap.from_list('cmap', ['#FFFFFF', '#98F5FF', '#00FF00', '#FFFF00','#FF0000', '#8B0000'], 256)

# 读取灰度图
data=mpimg.imread('./gray.jpg')
# 如果需要固定colorbar的范围，可以设置参数vmin，vmax，具体参考
                 #http://matplotlib.org/api/image_api.html

# 设定每个图的colormap和colorbar所表示范围是一样的，即归一化 
plt.imsave('colormap.jpg',data, cmap=colormap())

需要注意的是，上述示例生成的图像中未显示Colorbar的数值分布，且输出图像的尺寸与原始输入图像保持一致。

接下来，我们将演示如何从TXT文本文件中读取二维数据，并应用自定义的Colormap生成可视化图像。

#python 3
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import matplotlib.colors as colors


# load data
def loaddata(i): # 文件编号
  path = './input/data/trainPingliu/trainPingliu%d.txt' % i
  data = np.loadtxt(path)
  return data


# 生成图片格式自定义
def colormap():
  # 白青绿黄红
  cdict = ['#FFFFFF', '#9ff113', '#5fbb44', '#f5f329', '#e50b32']
  # 按照上面定义的colordict，将数据分成对应的部分，indexed：代表顺序
  return colors.ListedColormap(cdict, 'indexed')


# for i in range(1, 10000):
# 加载数据
data = loaddata(1)
fig = plt.figure()
# 加载图片设置
my_cmap = colormap()

# 第一个子图,按照默认配置
ax = fig.add_subplot(221)
ax.imshow(data)

# 第二个子图,使用api自带的colormap
ax = fig.add_subplot(222)
cmap = mpl.cm.bwr # 蓝，白，红
ax.imshow(data, cmap=cmap)

# 第三个子图增加一个colorbar
ax = fig.add_subplot(223)
cmap = mpl.cm.winter # 冬季风格
im = ax.imshow(data, cmap=my_cmap)
plt.colorbar(im) # 增加colorbar

# 第四个子图可以调整colorbar
ax = fig.add_subplot(224)
cmap = mpl.cm.rainbow
# 这里设置colormap的固定值
norm = mpl.colors.Normalize(vmin=-1, vmax=1)
im=ax.imshow(data,cmap=cmap)
plt.colorbar(im,cmap=cmap, norm=norm,ticks=[-1,0,1])


# 显示
plt.show()

以上关于Python matplotlib使用及自定义Colormap的方法即为分享的全部内容，希望能为读者提供参考。欢迎大家继续支持本站获取更多技术资讯。