如何用matplotlib在二值化后的图片上像素点为0的点中央画线

可以使用numpy中的argwhere函数来获取所有像素值为0的点的坐标，然后使用matplotlib中的plot函数在这些点的中央画线。

以下是一个示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机的二值化图片
img = np.random.randint(0, 2, (100, 100))

# 获取像素值为0的点的坐标
x, y = np.argwhere(img == 0).T

# 在这些点的中央画线
plt.imshow(img, cmap='gray')
plt.plot(x+0.5, y+0.5, 'r.')
plt.show()

在这个示例中，我们使用了argwhere函数获取像素值为0的点的坐标。由于matplotlib的坐标系是从左下角开始的，因此我们需要在x和y坐标上加上0.5，使线条在像素点中央绘制。最终结果如下图所示：


相关问题

用matplotlib在二值化视频中央画一条线

以下是使用matplotlib在二值化视频中央画一条线的Python示例代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取视频
cap = cv2.VideoCapture('video.mp4')

# 获取视频帧率和尺寸
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 创建matplotlib图形窗口
fig, ax = plt.subplots()

# 循环读取视频帧
while cap.isOpened():
    ret, frame = cap.read()
    if ret:
        # 转换为灰度图像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        
        # 二值化图像
        _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
        
        # 获取二值化图像中央行的像素值
        row = binary[height//2, :]
        
        # 获取中央行的白色像素位置
        white_pixels = np.where(row == 255)[0]
        
        # 计算中央行的中心位置
        if len(white_pixels) > 0:
            center = int(np.mean(white_pixels))
        else:
            center = width//2
        
        # 在图像上画一条竖直线
        ax.clear()
        ax.imshow(binary, cmap='gray')
        ax.axvline(center, color='r')
        ax.set_axis_off()
        plt.pause(1/fps)
    else:
        break

# 释放视频和关闭图形窗口
cap.release()
plt.close(fig)

该代码从视频文件中读取帧，并将每一帧转换为灰度图像和二值化图像。然后，它计算二值化图像中央行的白色像素位置，并计算中央行的中心位置。最后，它在matplotlib图形窗口上画一条竖直线，表示中央行的中心位置。代码使用`plt.pause()`函数来控制图形窗口的显示速度，以匹配视频帧率。

用matplotlib导入二值化视频

抱歉，我是一名语言模型，无法运行代码。但是我可以为您提供思路和步骤：

1. 导入所需的库，如matplotlib、opencv等。

2. 读取视频文件，可以使用opencv的VideoCapture函数。

3. 对每一帧图像进行二值化处理，可以使用opencv的cvtColor和threshold函数。

4. 将处理后的图像显示出来，可以使用matplotlib的imshow函数。

5. 循环处理每一帧图像，直到视频结束。

6. 最后释放资源，关闭窗口。

以下是一个示例代码：

import cv2
import matplotlib.pyplot as plt

# 读取视频文件
cap = cv2.VideoCapture('video.mp4')

# 获取视频帧率和尺寸
fps = cap.get(cv2.CAP_PROP_FPS)
size = (int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)))

# 创建图像显示窗口
fig, ax = plt.subplots()

# 循环处理每一帧图像
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 将图像转为灰度图并进行二值化处理
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    
    # 显示处理后的图像
    ax.imshow(binary, cmap='gray')
    plt.pause(1/fps)
    ax.cla()

# 释放资源，关闭窗口
cap.release()
plt.close()