matplotlib如何使用background_img?
时间: 2023-05-17 09:07:05 浏览: 61
您可以使用以下代码将背景图像添加到matplotlib图表中:
```python
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
# 读取背景图像
img = mpimg.imread('background_img.png')
# 创建图表
fig, ax = plt.subplots()
# 在图表中添加背景图像
ax.imshow(img, extent=[0, 10, 0, 10])
# 添加其他元素到图表中
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
# 显示图表
plt.show()
```
其中,`mpimg.imread()`函数用于读取背景图像,`ax.imshow()`函数用于将背景图像添加到图表中。您可以通过修改`extent`参数来调整背景图像的位置和大小。
相关问题
import cv2 import matplotlib.pyplot as plt import numpy as np from skimage.measure import label, regionprops file_url = './data/origin/DJI_0081.jpg' output_url = './DJI_0081_ROI.jpg' def show_img(img, title): cv2.namedWindow(title, cv2.WINDOW_NORMAL) cv2.imshow(title, img) def output_img(img, url): cv2.imwrite(url, img, [int(cv2.IMWRITE_PNG_COMPRESSION), 9]) # 使用2g-r-b分离 src = cv2.imread(file_url) show_img(src, 'src') # 转换为浮点数进行计算 fsrc = np.array(src, dtype=np.float32) / 255.0 (b, g, r) = cv2.split(fsrc) gray = 2 * g - 0.9 * b - 1.1 * r # 求取最大值和最小值 (minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray) # 转换为u8类型,进行otsu二值化 gray_u8 = np.array((gray - minVal) / (maxVal - minVal) * 255, dtype=np.uint8) (thresh, bin_img) = cv2.threshold(gray_u8, -1.0, 255, cv2.THRESH_OTSU) show_img(bin_img, 'bin_img') def find_max_connected_component(binary_img): # 输出二值图像中所有的连通域 img_label, num = label(binary_img, connectivity=1, background=0, return_num=True) # connectivity=1--4 connectivity=2--8 # print('+++', num, img_label) # 输出连通域的属性,包括面积等 props = regionprops(img_label) resMatrix = np.zeros(img_label.shape).astype(np.uint8) # 只保留最大的连通域 max_area = 0 max_index = 0 for i in range(0, len(props)): if props[i].area > max_area: max_area = props[i].area max_index = i tmp = (img_label == max_index + 1).astype(np.uint8) resMatrix += tmp resMatrix *= 255 return resMatrix bin_img = find_max_connected_component(bin_img) show_img(bin_img, 'bin_img') # 得到彩色的图像 (b8, g8, r8) = cv2.split(src) color_img = cv2.merge([b8 & bin_img, g8 & bin_img, r8 & bin_img]) output_img(color_img, output_url) show_img(color_img, 'color_img') cv2.waitKey() cv2.destroyAllWindows()
这段代码是用来对一张图片进行处理,找到图片中最大的连通域,并将其保留下来。具体的处理过程如下:
1.读入图片并显示;
2.将图片转换成浮点数类型,方便做计算;
3.使用2g-r-b分离,得到灰度图像;
4.使用minMaxLoc函数找到灰度图像中的最大值和最小值;
5.将灰度图像转换成u8类型,方便做Otsu二值化;
6.使用Otsu二值化将图像进行二值化处理;
7.找到图像中最大的连通域;
8.将连通域保留下来,并输出彩色图像。
需要注意的是,代码中使用了一些第三方库,比如OpenCV和skimage,需要提前安装好。另外,代码中也有一些常量的设置,比如阈值等,可以根据具体需求进行调整。
import numpy as np from matplotlib import pyplot as plt import cv2 as cv def contours_area(cnt): # 计算 countour 的面积 (x, y, w, h) = cv.boundingRect(cnt) return w * h # 载入原图 img = cv.imread('cat.png') # 图像二值化 img_bin = cv.inRange(img, lowerb=(9, 16, 84), upperb=(255, 251, 255)) kernel = np.ones((5, 5), np.uint8) img_bin = cv.erode(img_bin, kernel, iterations=1) img_bin = cv.dilate(img_bin, kernel, iterations=2) contours, hierarchy = cv.findContours(img_bin,cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) img_contours=cv.drawContours(img_bin, contours, -1, (0, 0, 255), 2) #抠图-带罩层的二值化与操作 #img跟它本身进行或/与操作(其实他们的结果是一样的) 在罩层区域(MASK)内进行。罩层区域为0, 黑色。 #二值化操作就是 如果两个img的该点的像素点都不为零则保留原来的取值,否则就是黑色。 mask = img.copy() mask[:] = 0 cv.drawContours(mask, contours, -1, (255,255,255), -1) img_cutout = cv.bitwise_or(img,mask) background=np.zeros_like(img) background[:,:,:]=(150,198,12) new_background = cv.bitwise_or(background, background, mask=cv.bitwise_not(mask)) new_img=cv.add(new_background,img_cutout) cv.imshow('binary',new_img) cv.waitKey(0) cv.destroyAllWindows找错误
这是一个Python函数的开头,用于导入需要使用的库。其中numpy库被导入并重命名为np,用于进行数学计算和数组操作;matplotlib库中的pyplot子库被导入并重命名为plt,用于绘制图形;cv2库被导入并重命名为cv,用于图像处理。
函数名称为contours_area,它的参数是一个轮廓,用于计算该轮廓的面积。