我因此创建了一个数组：
import numpy as np
data = np.zeros( (512,512,3), dtype=np.uint8)
data[256,256] = [255,0,0]
我想要做的是在 512x512 图像的中心显示一个红点。 （至少开始......我想我可以从那里弄清楚其余的）
【问题讨论】：
标签： python arrays image numpy data-visualization
以下应该有效：
from matplotlib import pyplot as plt
plt.imshow(data, interpolation='nearest')
plt.show()
如果您使用的是 Jupyter notebook/lab，请在导入 matplotlib 之前使用此内联命令：
%matplotlib inline
更有特色的方式是安装ipymlpip install ipympl并使用
%matplotlib widget
查看example。
【讨论】：
plt.gray() 将以下所有图形切换为灰度。不是 OP 想要的，但很高兴知道。
squeeze() 消除第三维：plt.imshow(data.squeeze())
您可以使用 PIL 创建（并显示）图像：
from PIL import Image
import numpy as np
w, h = 512, 512
data = np.zeros((h, w, 3), dtype=np.uint8)
data[0:256, 0:256] = [255, 0, 0] # red patch in upper left
img = Image.fromarray(data, 'RGB')
img.save('my.png')
img.show()
【讨论】：
(w,h,3) 的数组，但它应该是(h,w,3)，因为PIL 中的索引不同于numpy 中的索引。有相关问题：stackoverflow.com/questions/33725237/…
(h,w,3)。 （它现在是固定的，上面。）第一个轴的长度可以被认为是数组中的行数，第二个轴的长度可以被认为是列数。所以(h, w) 对应于“高度”h 和“宽度”w 的数组。 Image.fromarray 将此数组转换为高度为h 和宽度为w 的图像。
img.show() 在 ipython 笔记本中不起作用。img_pil = Image.fromarray(img, 'RGB') display(img_pil.resize((256,256), PIL.Image.LANCZOS))
Image.fromarray(...) 作为单元格的最后一个表达式足以在 Google Colab 中为我显示图像。无需写入文件或调用.show()。
最短路径是使用scipy，像这样：
from scipy.misc import toimage
toimage(data).show()
这也需要安装 PIL 或 Pillow。
类似的方法也需要 PIL 或 Pillow，但可能会调用不同的查看器：
from scipy.misc import imshow
imshow(data)
【讨论】：
scipy.misc.imshow(data) 进一步缩短它。
toimage 在 scipy-1.0.0 中被弃用并在 1.2.0 中被移除，取而代之的是 Pillow 的 Image.fromarray。
我知道有更简单的答案，但这个答案会让您了解图像实际上是如何从 numpy 数组中绘制出来的。
加载示例
from sklearn.datasets import load_digits
digits = load_digits()
digits.images.shape #this will give you (1797, 8, 8). 1797 images, each 8 x 8 in size
一张图片的显示数组
digits.images[0]
array([[ 0., 0., 5., 13., 9., 1., 0., 0.],
[ 0., 0., 13., 15., 10., 15., 5., 0.],
[ 0., 3., 15., 2., 0., 11., 8., 0.],
[ 0., 4., 12., 0., 0., 8., 8., 0.],
[ 0., 5., 8., 0., 0., 9., 8., 0.],
[ 0., 4., 11., 0., 1., 12., 7., 0.],
[ 0., 2., 14., 5., 10., 12., 0., 0.],
[ 0., 0., 6., 13., 10., 0., 0., 0.]])
创建空的 10 x 10 子图以可视化 100 张图像
import matplotlib.pyplot as plt
fig, axes = plt.subplots(10,10, figsize=(8,8))
绘制 100 张图像
for i,ax in enumerate(axes.flat):
ax.imshow(digits.images[i])
结果：
axes.flat 有什么作用？
它创建了一个 numpy 枚举器，因此您可以遍历轴以在其上绘制对象。
示例：
import numpy as np
x = np.arange(6).reshape(2,3)
x.flat
for item in (x.flat):
print (item, end=' ')
【讨论】：
import numpy as np
from keras.preprocessing.image import array_to_img
img = np.zeros([525,525,3], np.uint8)
b=array_to_img(img)
b
【讨论】：
使用pygame，您可以打开一个窗口，将表面作为像素数组获取，然后从那里进行任意操作。但是，您需要将 numpy 数组复制到表面数组中，这比在 pygame 表面本身上执行实际图形操作要慢得多。
【讨论】：
以枕头的fromarray为例：
from PIL import Image
from numpy import *
im = array(Image.open('image.jpg'))
Image.fromarray(im).show()
【讨论】：
Python Imaging Library 可以使用 Numpy 数组显示图像。请查看此页面以获取示例代码：
编辑：正如该页面底部的注释所说，您应该查看最新的发行说明，这使得这变得更加简单：
【讨论】：
对 matplotlib 的补充。我发现它在执行计算机视觉任务时很方便。假设你有 dtype = int32 的数据
from matplotlib import pyplot as plot
import numpy as np
fig = plot.figure()
ax = fig.add_subplot(1, 1, 1)
# make sure your data is in H W C, otherwise you can change it by
# data = data.transpose((_, _, _))
data = np.zeros((512,512,3), dtype=np.int32)
data[256,256] = [255,0,0]
ax.imshow(data.astype(np.uint8))
【讨论】：
这可能是一个可能的代码解决方案：
from skimage import io
import numpy as np
data=np.random.randn(5,2)
io.imshow(data)
【讨论】：