Python中调用matplotlib库三维可视化图像像素曲面分布（详细图文教程）

💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《图像增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

---

为了更直观的从3D视角观察一副图像的像素分布，且拖动观察没一个像素细节，可以使用下面代码实现。

一、绘制RGB图像

1.1 代码

使用代码修改修改的地方如下：

具体实现代码如下:

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import cv2

# 读取图像
img = cv2.imread('Images/input-resize_480360/4.bmp')

# 获取图像的高度和宽度
h, w = img.shape[:2]

# 创建一个新的图像窗口
fig = plt.figure()

# 创建3D坐标轴
ax = fig.add_subplot(111, projection='3d')

# 获取x, y坐标网格
x, y = np.mgrid[0:h, 0:w]

# 绘制曲面，使用图像的颜色
ax.plot_surface(x, y, img[:,:,0], rstride=1, cstride=1, facecolors=img/255, shade=False)

# 显示图像
plt.show()

1.2、效果展示

测试图像如下：

将图像读入后，等待就会弹出三维统计图，可以随意拖动观察每个角度，如下：

二、绘制当通道灰度图像

2.1 代码

# 好用，可以正常显示

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import cv2
from matplotlib.cm import get_cmap  # 导入颜色映射模块

# 读取图像
img = cv2.imread('Images/Noise_Layer_Image/AdaFM/4_float32_2.bmp',0)

# 计算最大值
img_max = np.max(img)

# 计算最小值
img_min = np.min(img)

print("图像最大值：", img_max)
print("图像最小值：", img_min)

# 获取图像的高度和宽度
h, w = img.shape[:]

# 创建一个新的图像窗口
fig = plt.figure()

# 创建3D坐标轴
ax = fig.add_subplot(111, projection='3d')

# 获取x, y坐标网格
x, y = np.mgrid[0:h, 0:w]

# 确保 img 的值在 0-255 范围内
img = np.clip(img, 0, 255)

# 规范化 img 的值到 0-1 范围内
img = img / 255.0

# 将 img 转换为 float32 类型
img = img.astype(np.float32)

# 将 img 整形为与 x 和 y 相同的形状
img = img.reshape(x.shape)

# 定义颜色映射
# colors = [(0.0, 0.0, 0.0), (0.5, 0.5, 0.5), (1.0, 1.0, 1.0)]
cmap = get_cmap("gray")

# 使用颜色映射
facecolors = cmap(img)

# 绘制三维曲面图
ax.plot_surface(x, y, img, rstride=1, cstride=1, facecolors=facecolors, shade=False)

plt.show()

2.2 效果展示

三、同时绘制多张图像

3.1 代码

# 好用，可以正常显示  显示单张图像的3D图像

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import cv2

# 读取图像
img_denoise = cv2.imread('Images/Pairing_AdaFM_Noise/AdaFM_Denoise/14_1.bmp')   
img_noise = cv2.imread('Images/Pairing_AdaFM_Noise/Resize_Noise/14_1.bmp')      
img_addnoise = cv2.imread('Images/AddNoise_AdaFM/AdaFM_add_noise/14_1.bmp')    

# 获取图像的高度和宽度
h, w = img_noise.shape[:2]

# 创建一个新的图像窗口
fig = plt.figure()

# 创建3D坐标轴
ax = fig.add_subplot(131, projection='3d')

# 获取x, y坐标网格
x, y = np.mgrid[0:h, 0:w]

# 绘制曲面，使用图像的颜色
ax.plot_surface(x, y, img_noise[:,:,0], rstride=1, cstride=1, facecolors=img_noise/255, shade=False)

# 创建3D坐标轴
ax = fig.add_subplot(132, projection='3d')

# 获取x, y坐标网格
x, y = np.mgrid[0:h, 0:w]

ax.plot_surface(x, y, img_denoise[:,:,0], rstride=1, cstride=1, facecolors=img_denoise/255, shade=False)

# 创建3D坐标轴
ax = fig.add_subplot(133, projection='3d')

# 获取x, y坐标网格
x, y = np.mgrid[0:h, 0:w]
ax.plot_surface(x, y, img_addnoise[:,:,0], rstride=1, cstride=1, facecolors=img_addnoise/255, shade=False)

# 显示图像
plt.show()

3.2 效果展示

同时绘制出多个图后，可以随意拖动其中一个观察。

四、总结

以上就是Python中调用matplotlib库三维可视化图像像素曲面分布的详细过程，希望能帮到你！

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！