如何使用代表原始数据的颜色条绘制对数归一化 imshow 图

Question

我正在使用 matplotlib 绘制对数归一化图像，但我希望原始原始图像数据在颜色条中表示，而不是在 [0-1] 区间中表示。我感觉有一种更 matplotlib'y 的方法可以通过使用某种标准化对象而不是事先转换数据来做到这一点......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，但这完全重新调整了颜色。

Answer 1

是的，有！使用

LogNorm

。这是我编写的一个实用程序的代码摘录，该实用程序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归一化（以增强细节），而不是对数据进行对数归一化（以保留物理值），那么您必须对颜色图本身应用转换。您可以使用说明书中给出的函数 cmap_map() 来做到这一点： https://scipy-cookbook.readthedocs.io/items/Matplotlib_ColormapTransformations.html