使用 matplotlib 将图像显示为灰度

以下代码将从文件 image.png 加载图像并将其显示为灰度。

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

fname = 'image.png'
image = Image.open(fname).convert("L")
arr = np.asarray(image)
plt.imshow(arr, cmap='gray', vmin=0, vmax=255)
plt.show()

如果要显示反灰度，请将 cmap 切换为 cmap='gray_r'。

---

尝试使用灰度颜色图？

例如像

imshow(..., cmap=pyplot.cm.binary)

有关颜色图列表，请参阅 http://scipy-cookbook.readthedocs.org/items/Matplotlib_Show_colormaps.html

---

import matplotlib.pyplot as plt

您也可以在代码中运行一次

plt.gray()

这将默认以灰度显示图像

im = array(Image.open('I_am_batman.jpg').convert('L'))
plt.imshow(im)
plt.show()

---

我会使用 get_cmap 方法。前任。：

import matplotlib.pyplot as plt

plt.imshow(matrix, cmap=plt.get_cmap('gray'))

---

@unutbu 的答案非常接近正确答案。

默认情况下，plt.imshow() 会尝试将您的 (MxN) 数组数据缩放到 0.0~1.0。然后映射到0~255。对于大多数自然拍摄的图像，这很好，你不会看到不同的。但是，如果您的像素值图像范围较窄，例如最小像素为 156，最大像素为 234。灰度图像看起来完全错误。以灰色显示图像的正确方法是

from matplotlib.colors import NoNorm
...
plt.imshow(img,cmap='gray',norm=NoNorm())
...

让我们看一个例子：

这是原始图像：original

这是使用默认规范设置，即无：wrong pic

这是使用 NoNorm 设置，即 NoNorm(): right pic

---

尝试这个：

import pylab
from scipy import misc

pylab.imshow(misc.lena(),cmap=pylab.gray())
pylab.show()

---

不使用插值并设置为灰色。

import matplotlib.pyplot as plt
plt.imshow(img[:,:,1], cmap='gray',interpolation='none')

---

当图像具有紫色和黄色时。

更改保存图像的方式：
plt.imsave(...., cmap='gray')

---

plt.imshow(img[:,:,0], cmap='gray')

plt.imshow(img[:,:,1], cmap='gray')

plt.imshow(img[:,:,2], cmap='gray')

应该管用。但是，这种方法的问题在于它不是真正的灰色。它只会将 RGB 通道之一更改为灰色。

往下看。

from sklearn.datasets import load_sample_image
flower = load_sample_image("flower.jpg")

plt.subplot(1,4,1)
plt.imshow(flower)
plt.axis("off")
plt.title("Original")

# R level to gray
plt.subplot(1,4,2)
plt.imshow(flower[:,:,0], cmap='gray')
plt.axis("off")
plt.title("R to gray")


# G leval to gray
plt.subplot(1,4,3)
plt.imshow(flower[:,:,1], cmap='gray')
plt.axis("off")
plt.title("R to gray")

# B leval to gray
plt.subplot(1,4,4)
plt.imshow(flower[:,:,2], cmap='gray')
plt.axis("off")
plt.title("R to gray")

plt.show()

[Result images]

---