如何使用表示matplotlib中原始数据的颜色条绘制对数标准化的imshow图

Question

我正在使用matplotlib绘制对数标准化的图像，但我希望原始的原始图像数据在颜色条中表示而不是[0-1]区间。 通过使用某种规范化对象并且不事先转换数据，我感觉有更多的matplotlib'y方法。在任何情况下，原始图像中都可能存在负值。

import matplotlib.pyplot as plt
import numpy as np

def log_transform(im):
    '''returns log(image) scaled to the interval [0,1]'''
    try:
        (min, max) = (im[im > 0].min(), im.max())
        if (max > min) and (max > 0):
            return (np.log(im.clip(min, max)) - np.log(min)) / (np.log(max) - np.log(min))
    except:
        pass
    return im

a = np.ones((100,100))
for i in range(100): a[i] = i
f = plt.figure()
ax = f.add_subplot(111)
res = ax.imshow(log_transform(a))
# the colorbar drawn shows [0-1], but I want to see [0-99]
cb = f.colorbar(res)

我尝试过使用cb.set_array，但这似乎没有做任何事情，而cb.set_clim，但是它完全重新调整了颜色。

Answer 1

就在这里！ 使用LogNorm 。 这是我编写的实用程序的代码摘录，用于在对数刻度上显示混淆矩阵。

from pylab import figure, cm
from matplotlib.colors import LogNorm
# C = some matrix
f = figure(figsize=(6.2,5.6))
ax = f.add_axes([0.17, 0.02, 0.72, 0.79])
axcolor = f.add_axes([0.90, 0.02, 0.03, 0.79])
im = ax.matshow(C, cmap=cm.gray_r, norm=LogNorm(vmin=0.01, vmax=1))
t = [0.01, 0.1, 0.2, 0.4, 0.6, 0.8, 1.0]
f.colorbar(im, cax=axcolor, ticks=t, format='$%.2f$')
f.show()

Answer 2

如果您只想对图像进行对数标准化（以增强细节），而不是数据（以保留物理值），则必须在色彩映射本身上应用变换。 你可以使用cookbook中给出的函数cmap_map（）来做到这一点： https ：//scipy-cookbook.readthedocs.io/items/Matplotlib_ColormapTransformations.html