import cv2 import matplotlib.pyplot as plt titles = ['horse', 'bed', 'clock', 'apple', 'cat', 'plane', 'television', 'dog', 'dolphin', 'spider'] plt.figure(figsize=(18, 18)) original_img = plt.imread(f'real_or_drawing/train_data/0/0.bmp') plt.subplot(1, 5, 1) no_axis_show(original_img, title='original') gray_img = cv2.cvtColor(original_img, cv2.COLOR_RGB2GRAY) plt.subplot(1, 5, 2) no_axis_show(gray_img, title='gray scale', cmap='gray') gray_img = cv2.cvtColor(original_img, cv2.COLOR_RGB2GRAY) plt.subplot(1, 5, 2) no_axis_show(gray_img, title='gray scale', cmap='gray') canny_50100 = cv2.Canny(gray_img, 50, 100) plt.subplot(1, 5, 3) no_axis_show(canny_50100, title='Canny(50, 100)', cmap='gray') canny_150200 = cv2.Canny(gray_img, 150, 200) plt.subplot(1, 5, 4) no_axis_show(canny_150200, title='Canny(150, 200)', cmap='gray') canny_250300 = cv2.Canny(gray_img, 250, 300) plt.subplot(1, 5, 5) no_axis_show(canny_250300, title='Canny(250, 300)', cmap='gray')
时间: 2023-06-12 19:04:58 浏览: 54
这段代码是用 Python 中的 OpenCV 和 matplotlib 库来展示不同参数下的 Canny 边缘检测效果。具体来说,代码首先读取了一个图像文件(在这里是 'real_or_drawing/train_data/0/0.bmp'),然后将其转换为灰度图像。接着,分别对灰度图像使用了不同的 Canny 边缘检测参数(50, 100)、(150, 200)、(250, 300),并将结果展示在一个 1 行 5 列的子图中。最后使用了一个 no_axis_show() 函数来去掉子图中的坐标轴,并为每个子图设置了对应的标题。
相关问题
from matplotlib import pyplot as plt与import matplotlib.pyplot as plt 有什么区别
这两种方式都是导入 Matplotlib 库中的 pyplot 模块,并且可以使用其中的函数来绘制图形。它们的区别在于:
- `from matplotlib import pyplot as plt`:从 Matplotlib 库中直接导入 pyplot 模块,并将其命名为 plt,这样就可以直接使用 plt 来调用 pyplot 模块中的函数。
- `import matplotlib.pyplot as plt`:通过 import 关键字导入 Matplotlib 库中的 pyplot 模块,并将其命名为 plt,这样也可以使用 plt 来调用 pyplot 模块中的函数。
两种方式的效果是相同的,只是导入方式略有不同。
import matplotlib.pyplot as plt
matplotlib.pyplot是一个用于绘制数据图表的Python库。要使用它,需要先安装matplotlib库,然后在Python脚本中导入matplotlib.pyplot模块。可以使用以下代码导入matplotlib.pyplot模块:
```python
import matplotlib.pyplot as plt
```
这将允许您使用pyplot模块中的函数来创建和定制图表。例如,您可以使用以下代码创建一个简单的折线图:
```python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()
```
这将创建一个包含x和y值的折线图,并使用show()函数显示它。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)