matplotlib.pyplot.figimage #
- matplotlib.pyplot。figimage ( X , xo = 0 , yo = 0 , alpha = None , norm = None , cmap = None , vmin = None , vmax = None , origin = None , resize = False , ** kwargs ) [来源] #
向图中添加未重新采样的图像。
根据 原点,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。颜色映射由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,哟,int
x / y图像偏移(以像素为单位)。
- alpha无或浮动
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。
- 范数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] 范围的标准化方法。默认情况下,使用线性缩放,将最小值映射到 0,将最大值映射到 1。
如果给出,这可以是以下之一:
一个实例
Normalize
或其子类之一(请参阅Colormap Normalization)。刻度名称,即“linear”、“log”、“symlog”、“logit”等之一。有关可用刻度的列表,请调用
matplotlib.scale.get_scale_names()
。Normalize
在这种情况下,会动态生成并实例化一个合适的子类。
如果X为 RGB(A),则忽略此参数。
- vmin, vmax浮点数,可选
当使用标量数据且没有明确的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。给定范数实例时使用vmin / vmax是错误的 (但可以接受将范数 名称与vmin / vmax一起使用)。
str
如果X为 RGB(A),则忽略此参数。
- 原点{'upper', 'lower'},默认值:(
rcParams["image.origin"]
默认值'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。
- 调整大小布尔
如果为True,则调整图形大小以匹配给定的图像大小。
- 返回:
- 其他参数:
- **kwargs
额外的 kwargs 是
Artist
传递给FigureImage
.
笔记
figimage 补充了 Axes 图像 (
imshow
),它将被重新采样以适合当前 Axes。如果您希望重新采样的图像填充整个图形,您可以定义Axes
范围 [0, 0, 1, 1]。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()