Ajustement interactif de la mappage des couleurs

PythonPythonBeginner
Pratiquer maintenant

This tutorial is from open-source community. Access the source code

💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici

Introduction

Dans ce laboratoire, vous allez apprendre à utiliser Matplotlib pour ajuster de manière interactive la plage de la mappage des couleurs sur une image à l'aide d'une barre de couleur. Vous utiliserez le mode de zoom et de déplacement pour ajuster les valeurs minimales et maximales (vmin et vmax) de la norme. Le zoom effectué en utilisant le bouton droit de la souris va étendre proportionnellement les valeurs vmin et vmax à la région sélectionnée. Lors du déplacement, les valeurs vmin et vmax de la norme sont toutes deux déplacées selon la direction du mouvement. Vous pouvez également utiliser les boutons Home/Back/Forward pour revenir à un état précédent.

Conseils sur la machine virtuelle (VM)

Une fois le démarrage de la VM terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Notebook pour accéder à Jupyter Notebook pour la pratique.

Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.

Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.


Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL matplotlib(("Matplotlib")) -.-> matplotlib/PlottingDataGroup(["Plotting Data"]) python(("Python")) -.-> python/DataStructuresGroup(["Data Structures"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) matplotlib(("Matplotlib")) -.-> matplotlib/BasicConceptsGroup(["Basic Concepts"]) matplotlib/BasicConceptsGroup -.-> matplotlib/importing_matplotlib("Importing Matplotlib") matplotlib/BasicConceptsGroup -.-> matplotlib/figures_axes("Understanding Figures and Axes") matplotlib/PlottingDataGroup -.-> matplotlib/heatmaps("Heatmaps") python/DataStructuresGroup -.-> python/lists("Lists") python/DataStructuresGroup -.-> python/tuples("Tuples") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/DataScienceandMachineLearningGroup -.-> python/numerical_computing("Numerical Computing") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills matplotlib/importing_matplotlib -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} matplotlib/figures_axes -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} matplotlib/heatmaps -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} python/lists -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} python/tuples -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} python/importing_modules -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} python/numerical_computing -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} python/data_visualization -.-> lab-48610{{"Ajustement interactif de la mappage des couleurs"}} end

Importation des bibliothèques requises

Pour commencer ce laboratoire, vous devez importer les bibliothèques requises. Dans ce laboratoire, nous utiliserons les bibliothèques matplotlib.pyplot et numpy.

import matplotlib.pyplot as plt
import numpy as np

Générer des données

Ensuite, vous allez générer quelques données d'échantillonnage. Dans ce laboratoire, nous allons générer une onde sinusoïdale bidimensionnelle.

t = np.linspace(0, 2 * np.pi, 1024)
data2d = np.sin(t)[:, np.newaxis] * np.cos(t)[np.newaxis, :]

Créer la représentation graphique

Maintenant que vous avez généré les données, vous allez créer la représentation graphique à l'aide de la fonction imshow().

fig, ax = plt.subplots()
im = ax.imshow(data2d)
ax.set_title('Pan on the colorbar to shift the color mapping\n'
             'Zoom on the colorbar to scale the color mapping')

Ajouter la barre de couleur

Pour ajuster de manière interactive la mappage des couleurs, vous devez ajouter une barre de couleur à la représentation graphique à l'aide de la fonction colorbar().

fig.colorbar(im, ax=ax, label='Interactive colorbar')

Ajuster la mappage des couleurs

Maintenant, vous pouvez ajuster de manière interactive la plage de mappage des couleurs sur l'image à l'aide de la barre de couleur. Vous pouvez zoomer ou panser en cliquant à l'intérieur de la barre de couleur. Lors du zoom, la boîte englobante de la région de zoom définit les nouvelles valeurs minimales et maximales (vmin et vmax) de la norme. Le zoom effectué en utilisant le bouton droit de la souris fera augmenter proportionnellement vmin et vmax par rapport à la région sélectionnée. Lors du pansage, les valeurs vmin et vmax de la norme sont toutes les deux déplacées selon la direction du mouvement.

Afficher la représentation graphique

Enfin, vous pouvez afficher la représentation graphique à l'aide de la fonction show().

plt.show()

Récapitulatif

Dans ce laboratoire, vous avez appris à utiliser Matplotlib pour ajuster de manière interactive la plage de mappage des couleurs sur une image à l'aide d'une barre de couleur. Vous avez utilisé le mode de zoom et de pansage pour ajuster les valeurs minimales et maximales (vmin et vmax) de la norme. Le zoom effectué en utilisant le bouton droit de la souris a fait augmenter proportionnellement vmin et vmax par rapport à la région sélectionnée. Lors du pansage, les valeurs vmin et vmax de la norme ont été toutes les deux déplacées selon la direction du mouvement. Vous avez également appris à ajouter une barre de couleur à la représentation graphique et à l'afficher.