数据可视化:python画散点图scatter

数据可视化:python画散点图scatter

我想遍历一幅图的所有像素的h分量的值,然后用散点图表示出来。观察这幅图的h分量的值得变化范围。

scatter函数的原型

matplotlib.pyplot.scatter(x,y,s=20,c='b',marker='o',cmap=None,norm=None,vmin=None,vmax=None,linewidths=None,vert=None,hold=None,**kwargs)

数据可视化:python画散点图scatter_第1张图片
数据可视化:python画散点图scatter_第2张图片
基本使用方法

fig = plt.figure()  
ax1 = fig.add_subplot(111)  
#设置标题  
ax1.set_title('Scatter Plot')  
#设置X轴标签  
plt.xlabel('X')  
#设置Y轴标签  
plt.ylabel('Y')  
#画散点图  
ax1.scatter(x,y,c = 'r',marker = 'o')  
#设置图标  
plt.legend('x1')  
#显示所画的图  
plt.show() 
# -*- coding: utf-8 -*-
"""
Created on Wed Feb 08 06:03:45 2017
@author: lcg
"""

import cv2
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

list=[]
img = cv2.imread('C:\\Users\\lcg\\Desktop\\X\\pic\\0001.jpg')

xmajorLocator   = MultipleLocator(20) #将x主刻度标签设置为20的倍数  
xmajorFormatter = FormatStrFormatter('%1.1f') #设置x轴标签文本的格式  

ymajorLocator   = MultipleLocator(0.5) #将y轴主刻度标签设置为0.5的倍数  
ymajorFormatter = FormatStrFormatter('%1.1f') #设置y轴标签文本的格式  

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
for y in range(hsv.shape[1]):
    for x in range(hsv.shape[0]):
        list.append(hsv[x,y][0])
y = np.array(list)
x = np.arange(0,y.size)
fig = plt.figure()

ax1 = fig.add_subplot(111)
ax1.set_title("metal")
#设置图片的宽和高
fig.set_figheight(25)
fig.set_figwidth(25)

ax1.scatter(x,y,s=1,marker='.')
cv2.imshow('img',img)
#cv2.waitkey(0)
plt.savefig('C:\\Users\\lcg\\Desktop\\3.jpg')#保存图片
plt.show

数据可视化:python画散点图scatter_第3张图片

很清楚的看到三条横线,就是大部分像素的h值得分布。

你可能感兴趣的:(python,python,数据可视化,matplotlib)