Matplotlib `imshow()` 方法完全指南

imshow() 是 Matplotlib 中用于 显示图像、热力图、矩阵、遥感数据 的最强大函数。本教程带你从入门到 发表级，掌握 图像显示、热力图、颜色映射、插值、坐标轴、标注、动画、3D 表面、交互式 等全部技巧。

一、基本语法

import matplotlib.pyplot as plt
import numpy as np

# 生成随机图像数据
data = np.random.rand(10, 10)

plt.imshow(data)
plt.show()

二、核心参数详解

plt.imshow(data,
           cmap='viridis',      # 颜色映射
           interpolation='nearest',  # 插值方式
           origin='lower',      # 原点位置
           extent=None,         # 坐标轴范围 [xmin, xmax, ymin, ymax]
           aspect='equal',      # 纵横比
           vmin=None, vmax=None,# 颜色范围
           alpha=1.0)           # 透明度

三、常用 `cmap` 颜色映射（关键！）

名称	用途	推荐场景
`'viridis'`	默认推荐	通用，色盲友好
`'plasma'`	高对比	热力图
`'inferno'`	深色背景	暗色主题
`'hot'`	黑→红→黄→白	传统热图
`'coolwarm'`	发散数据	正负值
`'seismic'`	发散	地震波
`'gray'`	灰度	医学影像
`'jet'`	彩虹	不推荐（感知不均匀）

plt.imshow(data, cmap='plasma')
plt.colorbar(label='强度')
plt.show()

四、插值方式 `interpolation`

方式	效果	适用
`'nearest'`	像素化	推荐，矩阵/热图
`'bilinear'`	平滑	图像缩放
`'bicubic'`	更平滑	高质量图像
`'none'`	无插值	原始像素

plt.imshow(data, interpolation='nearest', cmap='viridis')

五、坐标轴控制

1. `extent` 设置真实坐标

# 假设数据对应 x: 0~100, y: -50~50
plt.imshow(data, extent=[0, 100, -50, 50], origin='lower', cmap='hot')
plt.colorbar()
plt.xlabel('距离 (km)')
plt.ylabel('深度 (m)')
plt.show()

2. `origin` 控制原点

plt.imshow(data, origin='lower')  # 原点在左下（图像标准）
# plt.imshow(data, origin='upper')  # 原点在左上（矩阵标准）

六、真实图像显示

from matplotlib.image import imread
import requests
from io import BytesIO

# 示例：从网络加载图像
url = 'https://matplotlib.org/stable/_images/stinkbug.png'
response = requests.get(url)
img = imread(BytesIO(response.content))

plt.imshow(img)
plt.axis('off')  # 隐藏坐标轴
plt.show()

七、热力图（矩阵可视化）

# 相关性矩阵示例
np.random.seed(42)
matrix = np.random.rand(8, 8)
matrix = matrix @ matrix.T  # 构造对称矩阵

plt.imshow(matrix, cmap='coolwarm', vmin=-1, vmax=1)
plt.colorbar(label='相关系数')

# 添加数值
for i in range(matrix.shape[0]):
    for j in range(matrix.shape[1]):
        plt.text(j, i, f'{matrix[i,j]:.2f}', 
                 ha='center', va='center', color='black', fontsize=9)

plt.xticks(range(8), [f'特征{i}' for i in range(8)])
plt.yticks(range(8), [f'特征{i}' for i in range(8)])
plt.title('特征相关性热力图')
plt.show()

八、3D 表面图（结合 `imshow`）

from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

fig = plt.figure(figsize=(12, 5))

# 2D 热图
ax1 = fig.add_subplot(121)
im = ax1.imshow(Z, extent=[-5,5,-5,5], origin='lower', cmap='terrain')
plt.colorbar(im, ax=ax1, label='高度')
ax1.set_title('2D 热图')

# 3D 表面
ax2 = fig.add_subplot(122, projection='3d')
surf = ax2.plot_surface(X, Y, Z, cmap='terrain', alpha=0.8)
plt.colorbar(surf, ax=ax2, shrink=0.5, label='高度')
ax2.set_title('3D 表面图')

plt.tight_layout()
plt.show()

九、动画热图（动态演化）

import matplotlib.animation as animation

# 模拟时间序列数据
frames = 50
data_evolution = np.zeros((frames, 50, 50))
for t in range(frames):
    x0, y0 = np.random.randint(0, 50, 2)
    data_evolution[t] = np.exp(-((np.arange(50)-x0)**2 + (np.arange(50)[:, None]-y0)**2) / 100)

fig, ax = plt.subplots()
im = ax.imshow(data_evolution[0], cmap='hot', vmin=0, vmax=1)
plt.colorbar(im, label='强度')

def update(frame):
    im.set_array(data_evolution[frame])
    ax.set_title(f'时间步: {frame}')
    return [im]

ani = animation.FuncAnimation(fig, update, frames=frames, interval=100)
# ani.save('heatmap_animation.gif', writer='pillow', fps=10)
plt.show()

十、完整专业示例（论文级）

import matplotlib.pyplot as plt
import numpy as np

plt.style.use('seaborn-v0_8')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 生成模拟遥感数据
np.random.seed(42)
lon = np.linspace(110, 120, 200)
lat = np.linspace(30, 40, 150)
Lon, Lat = np.meshgrid(lon, lat)

# 模拟温度场
center_lon, center_lat = 115, 35
temp = 25 + 10 * np.exp(-((Lon-center_lon)**2 + (Lat-center_lat)**2) / 50)
temp += np.random.normal(0, 0.5, temp.shape)  # 噪声

fig, ax = plt.subplots(figsize=(12, 8))

# 主图：温度热图
im = ax.imshow(temp, extent=[110, 120, 30, 40], origin='lower',
               cmap='RdYlBu_r', interpolation='bilinear',
               vmin=20, vmax=35)

cbar = plt.colorbar(im, ax=ax, shrink=0.7, pad=0.02)
cbar.set_label('温度 (°C)', fontsize=12, fontweight='bold')

# 标注城市
cities = {'北京': (116.4, 39.9), '上海': (121.5, 31.2), '广州': (113.3, 23.1)}
for city, (clon, clat) in cities.items():
    ax.plot(clon, clat, 'ko', markersize=8)
    ax.text(clon, clat+0.3, city, fontsize=11, fontweight='bold',
            ha='center', bbox=dict(boxstyle="round", facecolor='white', alpha=0.8))

# 美化
ax.set_xlabel('经度 (°E)', fontsize=14)
ax.set_ylabel('纬度 (°N)', fontsize=14)
ax.set_title('中国东部地区温度分布模拟\n(2025年7月15日 14:00)', 
             fontsize=16, fontweight='bold', pad=20)

# 网格
ax.grid(True, alpha=0.3, linestyle='--', color='gray')
ax.set_facecolor('#e6f2ff')

# 小地图（inset）
ax_inset = fig.add_axes([0.68, 0.68, 0.2, 0.2])
ax_inset.imshow(temp[::10, ::10], extent=[110,120,30,40], cmap='RdYlBu_r')
ax_inset.plot(115, 35, 'r*', markersize=12, markeredgecolor='black')
ax_inset.set_title('研究区', fontsize=10)
ax_inset.tick_params(labelsize=8)

plt.tight_layout()
plt.savefig('imshow_pro.png', dpi=300, bbox_inches='tight', facecolor='white')
plt.show()

十一、`imshow()` 速查表（收藏用）

# 基础
plt.imshow(data)

# 热图
plt.imshow(data, cmap='viridis', interpolation='nearest')
plt.colorbar()

# 真实坐标
plt.imshow(data, extent=[xmin,xmax,ymin,ymax], origin='lower')

# 颜色范围
plt.imshow(data, vmin=0, vmax=1)

# 图像
plt.imshow(img)
plt.axis('off')

# 动画
im = ax.imshow(data[0])
def update(t): im.set_array(data[t])

# 3D 表面
ax.plot_surface(X, Y, Z, cmap='terrain')

十二、常见问题解决

问题	解决方案
图像拉伸变形	`aspect='equal'` 或 `plt.axis('equal')`
颜色条太长	`plt.colorbar(shrink=0.7)`
坐标轴反了	`origin='lower'`
像素模糊	`interpolation='nearest'`
保存白边	`plt.savefig(..., bbox_inches='tight')`

十三、推荐 `cmap` + `interpolation` 组合

用途	推荐
科学数据	`cmap='viridis'`, `interpolation='nearest'`
遥感影像	`cmap='gray'`, `interpolation='bilinear'`
热力图	`cmap='hot'`, `interpolation='nearest'`
发散数据	`cmap='coolwarm'`, `vmin=-1, vmax=1`

十四、与 `pcolormesh` 对比

函数	优点	缺点
`imshow`	快速，适合规则网格	不支持非均匀网格
`pcolormesh`	支持非规则网格	稍慢

# 非规则网格用 pcolormesh
plt.pcolormesh(X, Y, Z, cmap='viridis', shading='auto')

官方文档

imshow API：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.imshow.html
颜色映射：https://matplotlib.org/stable/tutorials/colors/colormaps.html
示例图库：https://matplotlib.org/stable/gallery/images_contours_and_fields/image_demo.html

总结：三步打造专业 `imshow`

# 1. 数据 + 坐标
im = plt.imshow(data, extent=[0,100,0,50], origin='lower',
                cmap='plasma', interpolation='nearest')

# 2. 颜色条 + 标注
plt.colorbar(im, label='温度 (°C)', shrink=0.8)
plt.plot(50, 25, 'r*', markersize=12)

# 3. 美化输出
plt.xlabel('经度'); plt.ylabel('纬度')
plt.title('热力图')
plt.savefig('map.png', dpi=300, bbox_inches='tight')

一键生成热力图：

data = np.random.rand(20, 20)
plt.imshow(data, cmap='hot', interpolation='nearest')
plt.colorbar(shrink=0.8)
plt.title('随机热图')
plt.show()

需要我为你：

生成 10种经典 imshow 模板（遥感、矩阵、动画）？
制作 Jupyter imshow 交互小工具（滑块切换 cmap）？
输出 LaTeX/PPT 可用代码？

告诉我你的需求！

Matplotlib imshow() 方法

Matplotlib `imshow()` 方法完全指南

一、基本语法

二、核心参数详解

三、常用 `cmap` 颜色映射（关键！）

四、插值方式 `interpolation`

五、坐标轴控制

1. `extent` 设置真实坐标

2. `origin` 控制原点

六、真实图像显示

七、热力图（矩阵可视化）

八、3D 表面图（结合 `imshow`）

九、动画热图（动态演化）

十、完整专业示例（论文级）

十一、`imshow()` 速查表（收藏用）

十二、常见问题解决

十三、推荐 `cmap` + `interpolation` 组合

十四、与 `pcolormesh` 对比

官方文档

总结：三步打造专业 `imshow`

likuolei

发表回复取消回复

归档

分类

2025 年 11 月
一	二	三	四	五	六	日
					1	2
3	4	5	6	7	8	9
10	11	12	13	14	15	16
17	18	19	20	21	22	23
24	25	26	27	28	29	30

Matplotlib imshow() 方法完全指南

一、基本语法

二、核心参数详解

三、常用 cmap 颜色映射（关键！）

四、插值方式 interpolation

五、坐标轴控制

1. extent 设置真实坐标

2. origin 控制原点

六、真实图像显示

七、热力图（矩阵可视化）

八、3D 表面图（结合 imshow）

九、动画热图（动态演化）

十、完整专业示例（论文级）

十一、imshow() 速查表（收藏用）

十二、常见问题解决

十三、推荐 cmap + interpolation 组合

十四、与 pcolormesh 对比

官方文档

总结：三步打造专业 imshow

likuolei

发表回复 取消回复

相关文章

Matplotlib `imshow()` 方法完全指南

三、常用 `cmap` 颜色映射（关键！）

四、插值方式 `interpolation`

1. `extent` 设置真实坐标

2. `origin` 控制原点

八、3D 表面图（结合 `imshow`）

十一、`imshow()` 速查表（收藏用）

十三、推荐 `cmap` + `interpolation` 组合

十四、与 `pcolormesh` 对比

总结：三步打造专业 `imshow`

发表回复取消回复