极客教程Matplotlib绘制图像上的点和线：详细教程与实例
参考：Plot a Point or a Line on an Image with Matplotlib
Matplotlib是Python中强大的数据可视化库，它不仅可以绘制各种图表，还能在图像上添加点和线等元素。本文将详细介绍如何使用Matplotlib在图像上绘制点和线，包括多种实用技巧和示例代码。无论你是数据分析师、科研工作者还是图像处理爱好者，掌握这些技能都将大大提升你的数据可视化能力。
1. 准备工作
在开始绘制之前，我们需要导入必要的库并准备一张图像。通常，我们会使用NumPy和Matplotlib的pyplot模块。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
plt.axis('off') # 关闭坐标轴
plt.show()
Output:
这段代码读取了一张名为’sample_image.jpg’的图像，并使用plt.imshow()函数显示它。plt.axis('off')用于关闭坐标轴，使图像看起来更整洁。
2. 在图像上绘制单个点
在图像上绘制点是最基本的操作之一。我们可以使用plt.plot()函数来实现这一目的。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 在图像上绘制一个红色的点
plt.plot(100, 100, 'ro', markersize=10)
plt.title('How2matplotlib.com: Single Point on Image')
plt.axis('off')
plt.show()
Output:
在这个例子中，我们在坐标(100, 100)处绘制了一个红色的点。’ro’参数指定了点的颜色（红色）和形状（圆形）。markersize参数控制点的大小。
3. 绘制多个点
有时我们需要在图像上绘制多个点，比如标记感兴趣的区域或显示数据分布。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 生成随机点
num_points = 20
x = np.random.randint(0, image.shape[1], num_points)
y = np.random.randint(0, image.shape[0], num_points)
# 绘制多个点
plt.scatter(x, y, c='yellow', s=50, alpha=0.7)
plt.title('How2matplotlib.com: Multiple Points on Image')
plt.axis('off')
plt.show()
Output:
这个例子使用np.random.randint()生成随机坐标，然后用plt.scatter()函数绘制多个点。c参数指定颜色，s参数控制点的大小，alpha参数调整透明度。
4. 在图像上绘制直线
除了点之外，线也是常用的图像标注元素。我们可以使用plt.plot()函数来绘制直线。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 绘制一条直线
plt.plot([50, 200], [50, 200], 'g-', linewidth=2)
plt.title('How2matplotlib.com: Line on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一条从(50, 50)到(200, 200)的绿色直线。’g-‘参数指定了线的颜色（绿色）和样式（实线）。linewidth参数控制线的宽度。
5. 绘制箭头
箭头可以用来指示方向或突出显示某个区域。Matplotlib提供了plt.arrow()函数来绘制箭头。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 绘制箭头
plt.arrow(100, 100, 50, 50, color='red', width=2, head_width=10)
plt.title('How2matplotlib.com: Arrow on Image')
plt.axis('off')
plt.show()
Output:
这个例子在(100, 100)位置绘制了一个指向(150, 150)的红色箭头。width参数控制箭身的宽度，head_width控制箭头的宽度。
6. 绘制矩形
矩形常用于标记图像中的特定区域。我们可以使用plt.Rectangle()来绘制矩形。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
from matplotlib.patches import Rectangle
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建图形和坐标轴
fig, ax = plt.subplots()
# 显示图像
ax.imshow(image)
# 创建矩形
rect = Rectangle((50, 50), 100, 80, fill=False, edgecolor='blue', linewidth=2)
# 添加矩形到坐标轴
ax.add_patch(rect)
plt.title('How2matplotlib.com: Rectangle on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一个蓝色的矩形。矩形的左上角位于(50, 50)，宽度为100，高度为80。fill=False参数使矩形只有边框没有填充。
7. 绘制圆形
圆形也是常用的标注形状，可以用来突出显示某个点或区域。我们可以使用plt.Circle()来绘制圆形。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
from matplotlib.patches import Circle
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建图形和坐标轴
fig, ax = plt.subplots()
# 显示图像
ax.imshow(image)
# 创建圆形
circle = Circle((100, 100), 50, fill=False, edgecolor='yellow', linewidth=2)
# 添加圆形到坐标轴
ax.add_patch(circle)
plt.title('How2matplotlib.com: Circle on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一个黄色的圆形。圆心位于(100, 100)，半径为50。同样，fill=False参数使圆形只有边框没有填充。
8. 绘制椭圆
椭圆可以用来标记不规则的区域。我们可以使用plt.Ellipse()来绘制椭圆。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
from matplotlib.patches import Ellipse
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建图形和坐标轴
fig, ax = plt.subplots()
# 显示图像
ax.imshow(image)
# 创建椭圆
ellipse = Ellipse((100, 100), 80, 40, angle=30, fill=False, edgecolor='purple', linewidth=2)
# 添加椭圆到坐标轴
ax.add_patch(ellipse)
plt.title('How2matplotlib.com: Ellipse on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一个紫色的椭圆。椭圆的中心位于(100, 100)，长轴为80，短轴为40，旋转角度为30度。
9. 绘制文本
在图像上添加文本注释也是常见的需求。我们可以使用plt.text()函数来实现。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 添加文本
plt.text(100, 100, 'How2matplotlib.com', color='white', fontsize=12, backgroundcolor='black')
plt.title('How2matplotlib.com: Text on Image')
plt.axis('off')
plt.show()
Output:
这个例子在坐标(100, 100)处添加了白色文本”How2matplotlib.com”，文本背景为黑色。fontsize参数控制字体大小，backgroundcolor参数设置文本背景色。
10. 绘制带箭头的注释
有时我们需要为图像中的某个点或区域添加详细说明，这时可以使用带箭头的注释。Matplotlib提供了plt.annotate()函数来实现这一功能。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 添加带箭头的注释
plt.annotate('Interesting Point', xy=(150, 150), xytext=(200, 200),
arrowprops=dict(facecolor='white', shrink=0.05),
color='white', fontsize=12)
plt.title('How2matplotlib.com: Annotation with Arrow')
plt.axis('off')
plt.show()
Output:
这个例子在(150, 150)位置添加了一个带箭头的注释，注释文本为”Interesting Point”。xy参数指定箭头的目标位置，xytext参数指定文本的位置，arrowprops参数设置箭头的属性。
11. 绘制多段线
有时我们需要在图像上绘制复杂的路径或轮廓，这时可以使用多段线。我们可以通过提供一系列点的坐标来绘制多段线。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 定义多段线的点
x = [50, 100, 150, 200, 250]
y = [50, 200, 100, 250, 150]
# 绘制多段线
plt.plot(x, y, 'r-', linewidth=2)
plt.title('How2matplotlib.com: Polyline on Image')
plt.axis('off')
plt.show()
Output:
这个例子绘制了一条连接5个点的红色多段线。'r-'参数指定了线的颜色（红色）和样式（实线）。
12. 绘制曲线
除了直线和多段线，我们还可以在图像上绘制平滑的曲线。这可以通过提供更多的点并使用插值来实现。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
from scipy.interpolate import interp1d
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 定义曲线的点
x = np.array([50, 100, 150, 200, 250])
y = np.array([50, 200, 100, 250, 150])
# 创建插值函数
f = interp1d(x, y, kind='cubic')
# 生成更多的点以获得平滑的曲线
x_smooth = np.linspace(50, 250, 200)
y_smooth = f(x_smooth)
# 绘制曲线
plt.plot(x_smooth, y_smooth, 'g-', linewidth=2)
plt.title('How2matplotlib.com: Smooth Curve on Image')
plt.axis('off')
plt.show()
Output:
这个例子使用scipy的interp1d函数创建了一个三次插值函数，然后生成更多的点来绘制平滑的绿色曲线。
13. 绘制虚线
有时我们可能想要绘制虚线而不是实线。Matplotlib提供了多种线型选项，包括虚线。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 绘制虚线
plt.plot([50, 250], [50, 250], 'b--', linewidth=2)
plt.title('How2matplotlib.com: Dashed Line on Image')
plt.axis('off')
plt.show()
Output:
这个例子绘制了一条从(50, 50)到(250, 250)的蓝色虚线。'b--'参数指定了线的颜色（蓝色）和样式（虚线）。
14. 绘制带标记的线
在某些情况下，我们可能想要在线上添加标记以突出显示某些点。Matplotlib允许我们同时绘制线和标记。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 定义点
x = [50, 100, 150, 200, 250]
y = [50, 200, 100, 250, 150]# 绘制带标记的线
plt.plot(x, y, 'ro-', linewidth=2, markersize=8)
plt.title('How2matplotlib.com: Line with Markers on Image')
plt.axis('off')
plt.show()
Output:
这个例子绘制了一条连接5个点的红色线，同时在每个点处添加了红色圆形标记。'ro-'参数指定了线的颜色（红色）、标记形状（圆形）和线型（实线）。
15. 绘制填充区域
有时我们可能想要在图像上标记一个填充区域。我们可以使用plt.fill()函数来实现这一点。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 定义多边形的顶点
x = [50, 100, 150, 100]
y = [50, 100, 50, 25]
# 绘制填充区域
plt.fill(x, y, alpha=0.5, color='yellow')
plt.title('How2matplotlib.com: Filled Area on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一个半透明的黄色填充区域。alpha参数控制填充区域的透明度。
16. 绘制等高线
在某些情况下，我们可能需要在图像上绘制等高线，例如表示温度分布或地形高度。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建一些示例数据
x = np.linspace(0, image.shape[1]-1, 100)
y = np.linspace(0, image.shape[0]-1, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(X/50) + np.cos(Y/50)
# 显示图像
plt.imshow(image)
# 绘制等高线
contour = plt.contour(X, Y, Z, colors='white', levels=5)
plt.clabel(contour, inline=True, fontsize=8)
plt.title('How2matplotlib.com: Contours on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一组白色的等高线。plt.contour()函数用于绘制等高线，plt.clabel()函数添加等高线的标签。
17. 绘制热图叠加
热图可以用来表示数据的密度或强度。我们可以将热图叠加在原始图像上以展示额外的信息。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建一些示例数据
x = np.linspace(0, image.shape[1]-1, 100)
y = np.linspace(0, image.shape[0]-1, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(X/50) + np.cos(Y/50)
# 显示图像
plt.imshow(image)
# 叠加热图
plt.imshow(Z, cmap='hot', alpha=0.5)
plt.colorbar(label='How2matplotlib.com: Value')
plt.title('How2matplotlib.com: Heatmap Overlay on Image')
plt.axis('off')
plt.show()
Output:
这个例子在原始图像上叠加了一个半透明的热图。cmap='hot'参数指定了热图的颜色映射，alpha=0.5使热图半透明。
18. 绘制向量场
向量场可以用来表示流体流动或力场。我们可以在图像上绘制向量场来展示方向信息。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建一些示例数据
x = np.linspace(0, image.shape[1]-1, 20)
y = np.linspace(0, image.shape[0]-1, 20)
X, Y = np.meshgrid(x, y)
U = np.cos(X/50)
V = np.sin(Y/50)
# 显示图像
plt.imshow(image)
# 绘制向量场
plt.quiver(X, Y, U, V, color='white', scale=50)
plt.title('How2matplotlib.com: Vector Field on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一个白色的向量场。plt.quiver()函数用于绘制向量场，scale参数控制箭头的大小。
19. 绘制自定义形状
有时我们可能需要绘制一些特殊的形状。Matplotlib提供了Path类，允许我们创建自定义形状。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
from matplotlib.path import Path
import matplotlib.patches as patches
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 创建图形和坐标轴
fig, ax = plt.subplots()
# 显示图像
ax.imshow(image)
# 定义自定义形状的顶点和编码
verts = [
(100., 100.), # 左下
(150., 100.), # 右下
(150., 150.), # 右上
(125., 175.), # 顶部
(100., 150.), # 左上
(100., 100.), # 闭合路径
]
codes = [
Path.MOVETO,
Path.LINETO,
Path.LINETO,
Path.LINETO,
Path.LINETO,
Path.CLOSEPOLY,
]
path = Path(verts, codes)
# 创建一个补丁
patch = patches.PathPatch(path, facecolor='none', edgecolor='r', lw=2)
# 添加补丁到坐标轴
ax.add_patch(patch)
plt.title('How2matplotlib.com: Custom Shape on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一个自定义的五边形。我们定义了形状的顶点和路径编码，然后使用PathPatch创建一个补丁并添加到图像上。
20. 绘制图例
当我们在图像上绘制多个元素时，添加图例可以帮助解释每个元素的含义。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
# 读取图像
image = imread('how2matplotlib.com_sample_image.jpg')
# 显示图像
plt.imshow(image)
# 绘制不同的元素
plt.plot([50, 200], [50, 200], 'r-', linewidth=2, label='Line')
plt.scatter([100], [100], c='blue', s=100, label='Point')
plt.arrow(150, 150, 50, 0, color='green', width=2, head_width=10, label='Arrow')
# 添加图例
plt.legend(loc='upper right')
plt.title('How2matplotlib.com: Legend on Image')
plt.axis('off')
plt.show()
Output:
这个例子在图像上绘制了一条线、一个点和一个箭头，并添加了一个图例来解释每个元素。plt.legend()函数用于添加图例，loc参数指定图例的位置。
总结
通过本文的详细介绍和丰富的示例，我们学习了如何使用Matplotlib在图像上绘制各种点、线和形状。这些技巧可以应用于图像处理、计算机视觉、数据可视化等多个领域。从简单的点和线到复杂的自定义形状，Matplotlib提供了强大而灵活的工具来满足各种图像标注需求。
记住，实践是掌握这些技能的关键。尝试将这些示例应用到你自己的项目中，并根据需要进行调整和组合。随着经验的积累，你将能够创建更复杂、更有吸引力的图像标注。