本教程將使用matplotlib的命令式繪圖介面pyplot。這個介面保持全域性狀態，並且對於快速和容易地嘗試各種繪圖設定是非常有用的。另一種是面向物件的介面，它也是非常強大的，一般更適合大型應用程式的開發。如果您想了解面向物件的介面，一個好的開始就是我們關於使用的FAQ。現在，讓我們繼續使用命令式的方法：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np

將影象資料匯入Numpy陣列

    載入影象資料由Pillow庫支援。 本地，matplotlib只支援PNG影象。 如果本地讀取失敗，則下面顯示的命令會回落到Pillow上。

這是一個24位RGB PNG影象（每個R，G，B 8位）。 根據您獲取資料的位置，您最有可能遇到的其他型別的影象是RGBA影象，這些影象允許透明度，或單通道灰度（亮度）影象。 您可以右鍵點選它並選擇“儲存影象為”將其下載到本教程其餘部分的計算機中。
現在我們開始…

img = mpimg.imread('../../doc/_static/stinkbug.png')
print(img)

Out:
[[[ 0.40784314  0.40784314  0.40784314]
  [ 0.40784314  0.40784314  0.40784314]
  [ 0.40784314  0.40784314  0.40784314]
  ...,
  [ 0.42745098  0.42745098  0.42745098]
  [ 0.42745098  0.42745098  0.42745098]
  [ 0.42745098  0.42745098  0.42745098]]

 [[ 0.41176471  0.41176471  0.41176471]
  [ 0.41176471  0.41176471  0.41176471]
  [ 0.41176471  0.41176471  0.41176471]
  ...,
  [ 0.42745098  0.42745098  0.42745098]
  [ 0.42745098  0.42745098  0.42745098]
  [ 0.42745098  0.42745098  0.42745098]]

 [[ 0.41960785  0.41960785  0.41960785]
  [ 0.41568628  0.41568628  0.41568628]
  [ 0.41568628  0.41568628  0.41568628]
  ...,
  [ 0.43137255  0.43137255  0.43137255]
  [ 0.43137255  0.43137255  0.43137255]
  [ 0.43137255  0.43137255  0.43137255]]
 

注意那裡的dtype - float32。 Matplotlib已經將每個通道的8位資料重新調整為0.0到1.0之間的浮點資料。作為一個方面說明，Pillow可以使用的唯一資料型別是uint8。 Matplotlib繪圖可以處理float32和uint8，但對於除PNG以外的任何格式的影象讀/寫僅限於uint8資料。為什麼8位？大多數顯示器只能渲染每個通道8位色彩等級。為什麼他們只能渲染8位/通道？因為這是所有人眼所能看到的。更多在這裡（從攝影角度）：夜光景觀位深度教程。
每個內部列表代表一個畫素。這裡，RGB影象有3個值。由於是黑白影象，R，G和B都是相似的。 RGBA（其中A是alpha或透明度）每個內部列表具有4個值，並且簡單的亮度影象只有一個值（因此只是一個二維陣列，而不是一個三維陣列）。

imgplot = plt.imshow(img)

你也可以繪製任何numpy陣列。

應用偽彩色方案的影象
Pseudocolor可以是一個有用的工具，可以更加輕鬆地增強對比度和視覺化資料。 使用投影儀進行資料演示時，這一點尤其有用 - 它們的對比度通常很差。Pseudocolor只與單通道，灰度，亮度影象有關。 我們目前有一個RGB影象。 由於R，G和B都是相似的（請參閱上面或在您的資料中），我們可以選擇一個數據通道：

lum_img = img[:, :, 0]
# This is array slicing.  You can read more in the `Numpy tutorial
# <https://docs.scipy.org/doc/numpy-dev/user/quickstart.html>`_.
plt.imshow(lum_img)

現在，使用亮度（2D，無顏色）影象，應用預設的顏色對映（即查詢表，LUT）。 預設叫做viridis。 有很多其他人可以選擇。

plt.imshow(lum_img, cmap="hot")

請注意，您還可以使用set_cmap（）方法更改現有的陰謀物件的顏色對映：

imgplot = plt.imshow(lum_img)
imgplot.set_cmap('nipy_spectral')

注意
但是，請記住，在具有內聯後端的IPython筆記本中，不能對已經呈現的圖進行更改。 如果您在一個單元格中建立imgplot，則不能在稍後的單元格中呼叫set_cmap（），並期望更早的圖形發生更改。 確保您在一個單元格中一起輸入這些命令。 plt命令不會改變早期單元格的繪圖。

還有許多其他的顏色對映方案可用。 檢視顏色對映的列表和影象

色標參考
有一個顏色代表什麼價值的想法是有幫助的。 我們可以通過新增彩條來做到這一點。

imgplot = plt.imshow(lum_img)
plt.colorbar()

這增加了一個彩條到你現有的人物。 如果您更改切換到不同的色彩對映，這不會自動更改 - 您必須重新建立您的圖形，並再次新增到色彩條中。

檢查特定的資料範圍
有時候，你想要增強影象的對比度，或者擴大特定區域的對比度，同時犧牲顏色變化不大或者不重要的細節。 找到感興趣的區域的一個好工具是直方圖。 要建立影象資料的直方圖，我們使用hist（）函式。

plt.hist(lum_img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')

imgplot = plt.imshow(lum_img, clim=(0.0, 0.7))

fig = plt.figure()
a = fig.add_subplot(1, 2, 1)
imgplot = plt.imshow(lum_img)
a.set_title('Before')
plt.colorbar(ticks=[0.1, 0.3, 0.5, 0.7], orientation='horizontal')
a = fig.add_subplot(1, 2, 2)
imgplot = plt.imshow(lum_img)
imgplot.set_clim(0.0, 0.7)
a.set_title('After')
plt.colorbar(ticks=[0.1, 0.3, 0.5, 0.7], orientation='horizontal')

from PIL import Image

img = Image.open('../../doc/_static/stinkbug.png')
img.thumbnail((64, 64), Image.ANTIALIAS)  # resizes image in-place
imgplot = plt.imshow(img)

imgplot = plt.imshow(img, interpolation="nearest")

imgplot = plt.imshow(img, interpolation="bicubic")

本文翻譯來自matlotlib官方教材 點選開啟連結