f, axarr = plt.subplots(1,4) axarr[0].title.set_text('Original \n Image') axarr[1].title.set_text('Reconstructed Image with \n 43% Compression') axarr[2].title.set_text('Reconstructed Image with \n 68% Compression') axarr[3].title.set_text('Reconstructed Image with \n 84% Compression') for i in range(4): axarr[i].title.set_fontsize(15) axarr[0].imshow((valid_batch[0].cpu().detach().permute(1, 2, 0) * 0.5) + 0.5) axarr[1].imshow((reconstructed_img_28[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) axarr[2].imshow((reconstructed_img_16[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) axarr[3].imshow((reconstructed_img_8[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) f.set_figheight(5) f.set_figwidth(20) plt.show()

这是一个使用 Matplotlib 库进行可视化的代码片段。它创建了一个包含四个子图的图形，每个子图都显示了一个图像，并在子图标题中添加了文本。它还使用循环设置了每个子图标题的字体大小。最后，它设置了整个图形的大小，并使用 plt.show() 函数显示了图形。在这个例子中，它显示了四个重建的图像，这些图像是使用不同的压缩比率从原始图像生成的。

相关问题

将f, axarr = plt.subplots(1,4) axarr[0].title.set_text('Original \n Image') axarr[1].title.set_text('Reconstructed Image with \n 43% Compression') axarr[2].title.set_text('Reconstructed Image with \n 68% Compression') axarr[3].title.set_text('Reconstructed Image with \n 84% Compression') for i in range(4): axarr[i].title.set_fontsize(15) axarr[0].imshow((valid_batch[0].cpu().detach().permute(1, 2, 0) * 0.5) + 0.5) axarr[1].imshow((reconstructed_img_28[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) axarr[2].imshow((reconstructed_img_16[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) axarr[3].imshow((reconstructed_img_8[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) f.set_figheight(5) f.set_figwidth(20) plt.show()中显示的图像分别保存为.png文件

可以在每个imshow()函数后添加savefig()函数来保存图像，如下所示：

f, axarr = plt.subplots(1,4)
axarr[0].title.set_text('Original \n Image')
axarr[1].title.set_text('Reconstructed Image with \n 43% Compression')
axarr[2].title.set_text('Reconstructed Image with \n 68% Compression')
axarr[3].title.set_text('Reconstructed Image with \n 84% Compression')

for i in range(4):
    axarr[i].title.set_fontsize(15)
    axarr[0].imshow((valid_batch[0].cpu().detach().permute(1, 2, 0) * 0.5) + 0.5)
    axarr[1].imshow((reconstructed_img_28[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5)
    axarr[2].imshow((reconstructed_img_16[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5)
    axarr[3].imshow((reconstructed_img_8[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5)
    
    # 保存图像
    plt.savefig(f"reconstructed_img_{i}.png")

f.set_figheight(5)
f.set_figwidth(20)
plt.show()

这将在脚本所在的目录中保存四个图像，分别命名为`reconstructed_img_0.png`、`reconstructed_img_1.png`、`reconstructed_img_2.png`和`reconstructed_img_3.png`。

将这串代码的输出图片分开保存为四个图像f, axarr = plt.subplots(1,4) axarr[0].title.set_text('Original \n Image') axarr[1].title.set_text('Reconstructed Image with \n 43% Compression') axarr[2].title.set_text('Reconstructed Image with \n 68% Compression') axarr[3].title.set_text('Reconstructed Image with \n 84% Compression') for i in range(4): axarr[i].title.set_fontsize(15) axarr[0].imshow((valid_batch[0].cpu().detach().permute(1, 2, 0) * 0.5) + 0.5) axarr[1].imshow((reconstructed_img_28[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) axarr[2].imshow((reconstructed_img_16[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) axarr[3].imshow((reconstructed_img_8[0].cpu().detach().permute(1, 2, 0) *0.5) + 0.5) f.set_figheight(5) f.set_figwidth(20) plt.show()

可以使用以下代码将四个图像分别保存为文件：

import matplotlib.pyplot as plt
import numpy as np

# 代码中的内容

# 将图像保存为文件
plt.subplots_adjust(wspace=0.5)
for i in range(4):
    axarr[i].title.set_fontsize(15)
    axarr[i].axis('off')
    plt.imshow(np.clip(axarr[i].get_images()[0], 0, 1))
    plt.savefig(f"reconstructed_img_{i}.png")

这会将四个图像分别保存为`reconstructed_img_0.png`，`reconstructed_img_1.png`，`reconstructed_img_2.png`，`reconstructed_img_3.png`。注意，要在调用`imshow`之前添加`axarr[i].axis('off')`，以避免保存的图像包含坐标轴。另外，为了保留图像的质量，可以使用`np.clip`将像素值约束在0到1之间。