如何用Python实现图像处理中的数据可视化详细教程

在图像处理项目里，把中间结果和统计数据画出来，能帮我们快速判断算法是否合理。Python拥有丰富的绘图生态，可以很低成本地完成图像相关的数据可视化工作。

环境准备与图像读取

我们使用 numpy 做数组运算，matplotlib 做绘图，opencv 读图。先准备一个简单的读取与显示函数。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像并转成RGB顺序
def load_image(path):
    img = cv2.imread(path)
    if img is None:
        raise ValueError('图像读取失败')
    return cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

img = load_image('sample.jpg')
print('图像形状:', img.shape)

灰度直方图可视化

灰度直方图能反映图像明暗分布。把彩色图转灰度后，用 matplotlib 画直方图。

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
plt.hist(gray.ravel(), bins=256, color='gray', alpha=0.8)
plt.title('灰度直方图')
plt.xlabel('像素值')
plt.ylabel('频数')
plt.show()

RGB通道分离显示

把三个通道拆开单独显示，有助于分析色彩构成。

r, g, b = img[:,:,0], img[:,:,1], img[:,:,2]
fig, axes = plt.subplots(1, 3, figsize=(10, 4))
axes[0].imshow(r, cmap='Reds'); axes[0].set_title('R通道')
axes[1].imshow(g, cmap='Greens'); axes[1].set_title('G通道')
axes[2].imshow(b, cmap='Blues'); axes[2].set_title('B通道')
for ax in axes:
    ax.axis('off')
plt.tight_layout()
plt.show()

处理前后对比与边缘叠加

用 Canny 边缘检测，并把边缘叠到原图上，直观看提取效果。

edges = cv2.Canny(gray, 100, 200)
overlay = img.copy()
overlay[edges != 0] = [255, 0, 0]

fig, axes = plt.subplots(1, 2)
axes[0].imshow(img); axes[0].set_title('原图')
axes[1].imshow(overlay); axes[1].set_title('边缘叠加')
for ax in axes:
    ax.axis('off')
plt.show()

小结

上面几个例子覆盖了图像处理中最常用的可视化场景。实际项目中，还可以把多张中间结果拼成子图网格，或导出为 html 报告，方便团队协作排查问题。

Python图像可视化matplotlib修改时间：2026-07-26 23:21:27