Matplotlib

数据分析用的作图工具，便于对模型调优，常配合Numpy使用，

->基础

->plot() 线图和散点图

->scatter() 散点图

->bar() 柱状图

->pie****() 饼图

->hist() 直方图

->subplots() 子图

->xlabel,ylabel,title

->plot([x],y,[fmt],*,**kwargs) 绘制点和线

->x：x轴，y：y轴（确保x，y点数量相同），fmt和**kwargs：用来设样式，后者可以解包，*：Python分隔符，表示后面都要用k-v

比如plot(x, y, 'o')用来做点

->marker：标记样式，markerfacecolor：标记内部颜色，markeredgecolor：边框颜色

->linestyle：线条样式，color：线条颜色，linewidth：线条宽度

->与CV结合

->imshow() 绘制图像

->

imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, **kwargs)

->核心参数

X输入数据。可以是二维数组（灰度图）、三维数组（RGB图）等

->颜色与****透明度

• cmap：颜色映射。用于控制图像中不同数值所对应的颜色。可以选择内置的颜色映射，如gray、hot等，默认为viridis

• norm：归一化方式。可以选择Normalize、LogNorm等归一化方法

• alpha：图像透明度。取值范围为0~1

• vmin、vmax：控制颜色映射的值域范围，小于 vmin 和大于 vmax 的数据会显示为两端纯色

->图像与坐标

• aspect：控制图像纵横比（aspect ratio）。可以设置为auto或equal（正方形）

• origin：坐标轴原点的位置。可以设置为upper或lower

• extent：控制显示的数据范围。可以设置为[xmin, xmax, ymin, ymax]

->插值与平滑

• interpolation：插值方法。用于控制图像的平滑程度和细节程度。可以选择nearest（锯齿）、bilinear（双线性模糊）、bicubic（双三次平滑）等插值方法

->imsave()

->

matplotlib.pyplot.imsave(fname, arr, **kwargs)

imsave('demo.png', demo_img, cmap='grey') # 保存为灰度图

->imread()

->imread(fname, format=None)，返回一个numpy数组(rows,colos,channel)，

->对图面的操作和OpenCV章节里是一样的（切片，运算等）