Python繪制并保存指定大小圖像的方法
更新時(shí)間：2019年01月10日 10:02:56 作者：星夜孤帆
今天小編就為大家分享一篇Python繪制并保存指定大小圖像的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
繪制直線，三角形，正方形
import matplotlib.pyplot as plt
def plotLine():
x = [1,2,3,4,5]
y = [3,3,3,3,3]
plt.figure(figsize=(100,100),dpi=1)
plt.plot(x,y,linewidth=150)
plt.axis('off')
plt.savefig('C:\\Users\\Administrator\\Desktop\\分形圖\\a.jpg',dpi=1)
plt.show()
plt.close()
def plotTriangle():
x = [1,3,1,1]
y = [1,1,3,1]
plt.figure(figsize=(100,100),dpi=1)
plt.plot(x,y,linewidth=150)
plt.axis('off')
plt.savefig('C:\\Users\\Administrator\\Desktop\\分形圖\\b.jpg',dpi=1)
plt.show()
plt.close()
def plotSquare():
x = [1,3,3,1,1]
y = [1,1,3,3,1]
plt.figure(figsize=(100,100),dpi=1)
plt.plot(x,y,linewidth=150)
plt.axis('off')
plt.savefig('C:\\Users\\Administrator\\Desktop\\分形圖\\c.jpg',dpi=1)
plt.show()
plt.close()
plotLine()
plotTriangle()
plotSquare()
from datetime import datetime
import os
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from six.moves import xrange
data = np.load('data/final37.npy')
data_images = data
data_images = data_images.reshape(-1,3,61)
# data_images = data_images[500:1000,:,:]
for i in range(2000):
plt.figure(figsize=(100,100),dpi=1)
plt.plot(data_images[i][0][0:30],data_images[i][0][30:60],color='blue',linewidth=150)
plt.plot(data_images[i][1][0:30],data_images[i][1][30:60],color='red',linewidth=150)
plt.plot(data_images[i][2][0:30],data_images[i][2][30:60],color='green',linewidth=150)
plt.axis('off')
plt.savefig('C:\\Users\\Administrator\\Desktop\\調(diào)整分辨率\\原始圖\\resouce%d.jpg' %(i),dpi=1)
plt.close()
#################################################################################
# 生成隨機(jī)分叉圖
# import random
# import numpy as np
# import operator
# import os
# import copy
# from matplotlib.font_manager import FontProperties
# from scipy.interpolate import lagrange
# import random
# import matplotlib.pyplot as plt
# np.set_printoptions(threshold=np.inf) #輸出全部矩陣不帶省略號(hào)
# # random.seed(10)
# finaldata = []
# for iy in range(100):
# #固定一個(gè)點(diǎn),盡量使點(diǎn)固定在0-1正方形的中間 #小數(shù)點(diǎn)后16位
# pointx = random.uniform(0.3,0.7)
# pointy = random.uniform(0.3,0.7)
# #################################################
# #主分支在上方
# a1x = random.uniform(pointx,0.8)#使第二個(gè)點(diǎn)盡量不那么大
# a2x = random.uniform(a1x,1)
# a3x = random.uniform(a2x,1)
# a1y = random.uniform(pointy,0.8)
# a2y = random.uniform(a1y,1)
# a3y = random.uniform(a2y,1)
# ax = [pointx,a1x,a2x,a3x]
# ay = [pointy,a1y,a2y,a3y]
# # print(ax)
# # print(ay)
# #對(duì)主分支a段進(jìn)行插值
# #在ax相同索引直接分別插兩個(gè)點(diǎn)，最后a段長(zhǎng)度由4變成10，既得final_ax
# # print(ay)
# final_ax = []
# final_ay = []
# for i in range(len(ax)-1):
# #round(data,8)小數(shù)點(diǎn)保留8位四舍五入
# f = lagrange([round(ax[i],8),round(ax[i+1],8)],[round(ay[i],8),round(ay[i+1],8)])
# insertax = np.linspace(ax[i],ax[i+1],4)#插入2個(gè)點(diǎn)，小數(shù)點(diǎn)后8位
# insertay = f(insertax)
# for axi in insertax:
# final_ax.append(axi)
# for ayi in insertay:
# final_ay.append(ayi)
# del final_ax[4]
# del final_ax[7]
# del final_ay[4]
# del final_ay[7]
# #################################################
# # #左下分支
# b1x = random.uniform(0.2,pointx)#使第二個(gè)點(diǎn)盡量不那么小
# b2x = random.uniform(0,b1x)
# b3x = random.uniform(0,b2x)
# b1y = random.uniform(0.2,pointy)
# b2y = random.uniform(0,b1y)
# b3y = random.uniform(0,b2y)
# bx = [b3x,b2x,b1x,pointx]
# by = [b3y,b2y,b1y,pointy]
# #對(duì)左下分支b段進(jìn)行插值
# final_bx = []
# final_by = []
# for i in range(len(bx)-1):
# f = lagrange([round(bx[i],8),round(bx[i+1],8)],[round(by[i],8),round(by[i+1],8)])
# insertbx = np.linspace(bx[i],bx[i+1],4)
# insertby = f(insertbx)
# for bxi in insertbx:
# final_bx.append(bxi)
# for byi in insertby:
# final_by.append(byi)
# del final_bx[4]
# del final_bx[7]
# del final_by[4]
# del final_by[7]
#
# ##################################################
# #右下分支
# c1x = random.uniform(pointx,0.8)#使第二個(gè)點(diǎn)盡量不那么大
# c2x = random.uniform(c1x,1)
# c3x = random.uniform(c2x,1)
# c1y = random.uniform(0.2,pointy)
# c2y = random.uniform(0,c1y)
# c3y = random.uniform(0,c2y)
# cx = [pointx,c1x,c2x,c3x]
# cy = [pointy,c1y,c2y,c3y]
# #對(duì)右下分支段進(jìn)行插值
# final_cx = []
# final_cy = []
# for i in range(len(cx)-1):
# f = lagrange([round(cx[i],8),round(cx[i+1],8)],[round(cy[i],8),round(cy[i+1],8)])
# insertcx = np.linspace(cx[i],cx[i+1],4)
# insertcy = f(insertcx)
# for cxi in insertcx:
# final_cx.append(cxi)
# for cyi in insertcy:
# final_cy.append(cyi)
# del final_cx[4]
# del final_cx[7]
# del final_cy[4]
# del final_cy[7]
# ####################################################
# x = [final_ax,final_bx,final_cx]#三分叉，上為a,左下b,右下c
# y = [final_ay,final_by,final_cy]
# diameter_a = round(random.uniform(0.2,0.25),8)
# diameter_b = round(random.uniform(0.1,0.2),8)
# diameter_c = round(random.uniform(0.1,0.2),8)
# final_a = []#長(zhǎng)度為21前10個(gè)x坐標(biāo)點(diǎn)，后面10個(gè)是y坐標(biāo)點(diǎn),最后一個(gè)是管徑
# for ax in final_ax:
# final_a.append(ax)
# for ay in final_ay:
# final_a.append(ay)
# final_a.append(diameter_a)
# final_b = []
# for bx in final_bx:
# final_b.append(bx)
# for by in final_by:
# final_b.append(by)
# final_b.append(diameter_b)
# final_c = []
# for cx in final_cx:
# final_c.append(cx)
# for cy in final_cy:
# final_c.append(cy)
# final_c.append(diameter_c)
# finalabc = [final_a,final_b,final_c]
# finaldata.append(finalabc)
# finaldata = np.array(finaldata)
# #復(fù)制改變a,不改變b
# finaldata1 = finaldata.copy()
# finaldata2 = finaldata.copy()
# finaldata3 = finaldata.copy()
# #以定點(diǎn)為中心，進(jìn)行鏡像處理
# finaldata1[:,:,0:10] = 2 * pointx -finaldata[:,:,0:10]
# finaldata2[:,:,10:20] = 2 * pointx -finaldata[:,:,10:20]
# finaldata3[:,:,0:20] = 2 * pointx -finaldata[:,:,0:20]
# final = np.concatenate((finaldata,finaldata1,finaldata2,finaldata3),axis=0)
# np.random.shuffle(final)#隨機(jī)打亂數(shù)據(jù)，若沒(méi)有次句，將連續(xù)輸出一個(gè)方向
# print(final.shape)
# # np.save('C:\\Users\\Administrator\\Desktop\\第9周\\80000.npy',final)
# ###########################################
# # 單個(gè)可視化圖像
# for i in range(len(final)):
# abc = final[i]
# plt.plot(abc[0][0:10],abc[0][10:20],color='blue',linewidth=1.5)
# plt.plot(abc[1][0:10],abc[1][10:20],color='red',linewidth=1.5)
# plt.plot(abc[2][0:10],abc[2][10:20],color='green',linewidth=1.5)
# plt.axis('off')
# plt.savefig('C:\\Users\\Administrator\\Desktop\\ttt\\原圖2\\random%d.jpg' %i,dpi=100)
# plt.close()
###########################################
# 分塊可視化圖像
# data = np.load('C:\\Users\\Administrator\\Desktop\\第8周\\10000.npy')
# print(data.shape)
# rows,cols = 5,5
# fig,axs = plt.subplots(rows,cols)
# cnt = 0
# for i in range(rows):
# for j in range(cols):
# xy = final[cnt]#第n個(gè)分叉圖，有三個(gè)分支，每個(gè)分支21個(gè)數(shù)
# for k in range(len(xy)):
# x = xy[k][0:10]
# y = xy[k][10:20]
# if k == 0 :
# axs[i,j].plot(x,y,color='blue',linewidth=xy[k][20]*15)
# if k == 1:
# axs[i,j].plot(x,y,color='red',linewidth=xy[k][20]*15)
# if k == 2:
# axs[i,j].plot(x,y,color='green',linewidth=xy[k][20]*15)
# axs[i,j].axis('off')
# cnt +=1
# # plt.savefig('C:\\Users\\Administrator\\Desktop\\第9周\\')
# plt.show()
以上這篇Python繪制并保存指定大小圖像的方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python使用Cv2模塊識(shí)別驗(yàn)證碼的操作方法
這篇文章主要介紹了Python使用Cv2模塊識(shí)別驗(yàn)證碼,使用Cv2模塊、pytesseract模塊進(jìn)行操作，pytesseract模塊將智能識(shí)別圖片字體數(shù)字，用于打印出來(lái)，本文通過(guò)代碼案例給大家詳細(xì)講解，需要的朋友可以參考下2023-01-01
for循環(huán)在Python中的工作原理詳細(xì)
for...in 是Python程序員使用最多的語(yǔ)句，for 循環(huán)用于迭代容器對(duì)象中的元素，這些對(duì)象可以是列表、元組、字典、集合、文件，甚至可以是自定義類或者函數(shù)，下面小編將舉例說(shuō)明,需要的朋友可以參考下2021-10-10
python使用Psutil模塊實(shí)現(xiàn)獲取計(jì)算機(jī)相關(guān)信息
psutil 是一個(gè)跨平臺(tái)的庫(kù),用于獲取進(jìn)程和系統(tǒng)運(yùn)行狀態(tài)的信息,這篇文章主要為大家詳細(xì)介紹了python如何調(diào)用psutil模塊實(shí)現(xiàn)獲取計(jì)算機(jī)相關(guān)信息,有需要的小伙伴可以了解下2023-11-11
這篇文章主要介紹了Python中的變量賦值，Python中的變量在使用中很流暢，可以不關(guān)注類型，任意賦值，對(duì)于開(kāi)發(fā)來(lái)說(shuō)效率得到了提升，但不了解其中的機(jī)理，往往也會(huì)犯一些小錯(cuò)，讓開(kāi)發(fā)進(jìn)行的不那么流暢，本文就從語(yǔ)言設(shè)計(jì)和底層原理的角度，帶大家理解Python中的變量。2021-10-10
Python常見(jiàn)庫(kù)matplotlib學(xué)習(xí)筆記之畫(huà)圖中各個(gè)模塊的含義及修改方法
matplotlib是python最著名的繪圖庫(kù),它提供了一整套和matlab相似的命令A(yù)PI,十分適合交互式地進(jìn)行制圖,下面這篇文章主要給大家介紹了關(guān)于Python常見(jiàn)庫(kù)matplotlib學(xué)習(xí)筆記之畫(huà)圖中各個(gè)模塊的含義及修改方法的相關(guān)資料,需要的朋友可以參考下2023-05-05
Python實(shí)現(xiàn)遍歷子文件夾并將文件復(fù)制到不同的目標(biāo)文件夾
這篇文章主要介紹了如何基于Python語(yǔ)言實(shí)現(xiàn)遍歷多個(gè)子文件夾，將每一個(gè)子文件夾中大量的文件，按照每一個(gè)文件的文件名稱的特點(diǎn)復(fù)制到不同的目標(biāo)文件夾中，感興趣的可以了解下2023-08-08
python使用正則表達(dá)式（Regular Expression）方法超詳細(xì)
這篇文章主要介紹了python使用正則表達(dá)式（Regular Expression）方法超詳細(xì)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-12-12
Python 用turtle實(shí)現(xiàn)用正方形畫(huà)圓的例子
今天小編就為大家分享一篇Python 用turtle實(shí)現(xiàn)用正方形畫(huà)圓的例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11
這篇文章主要介紹了Numpy 理解ndarray對(duì)象的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
本文主要介紹了Python實(shí)現(xiàn)炸金花游戲的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-01-01