如何解决如何绘制图像-图像相似度矩阵图?
x-axis
和 y-axis
是一组图像。测量成对相似度的地图。
如何在 python3
中绘制此图。基本上,我有 50
图像。它将是 50x50
和 50
中带有 x-axis
图像的 y-axis
矩阵映射。
我的目标是绘制一个类似的图形(这个图形是不对称的,xlabel
和 ylabel
是文本,我希望我的是图像。)
假设相似度是随机的
import numpy as np
S = np.random.rand(3,3)
并且在某些路径中有 3
图像。
解决方法
我使用可通过 pip install numpy matplotlib seaborn tensorflow
安装的库实现了下一个代码片段。
Tensorflow 只是用来加载一些示例图像,在我的例子中是 MNIST 数字,在你的例子中你不需要 tensorflow,你有自己的图像。
Seaborn 用于绘制 HeatMap,它是一个类似矩阵的相关性。
内部代码 HeatMap()
函数用于绘制热图本身。 ImgLabels()
函数用于将图像绘制为 X/Y 刻度标签,该函数使用从 Tensorflow 的 MNIST 数据集获得的 MNIST 手绘数字图像,您可以使用任何图像代替。 ImgLabels()
函数中有一个可调整的参数,它是数字 -18/-14/+14,这个数字取决于带有图像标签的正方形的大小,您可能需要根据自己的情况更改它们。
在我的情况下,相似度矩阵是随机的,我生成范围为 [-1;+1] 的数字。矩阵的右上三角被白化,因为它不是必需的。
如果您不需要在相似性单元格内绘制数字,则设置 annot = False
而不是当前的 annot = True
。
接下来的代码绘制这样的图像:
代码:
import numpy as np,matplotlib,matplotlib.pyplot as plt,seaborn as sns
def ImgLabels(N,ax):
imgs = None
def offset_image(coord,name,ax):
nonlocal imgs
if imgs is None:
import tensorflow as tf
(imgs,_),(_,_) = tf.keras.datasets.mnist.load_data()
img = imgs[name]
im = matplotlib.offsetbox.OffsetImage(img,zoom = 0.9)
im.image.axes = ax
for co,xyb in [((0,coord),(-18,-14)),((coord,N),(+14,-18))]:
ab = matplotlib.offsetbox.AnnotationBbox(im,co,xybox = xyb,frameon=False,xycoords='data',boxcoords="offset points",pad=0)
ax.add_artist(ab)
for i,c in enumerate(range(N)):
offset_image(i,c,ax)
def HeatMap(N):
sns.set_theme(style = "white")
corr = np.random.uniform(-1,1,size = (N,N))
mask = np.triu(np.ones_like(corr,dtype = bool))
cmap = sns.diverging_palette(230,20,as_cmap=True)
sns.heatmap(corr,mask=mask,cmap=cmap,vmin=-1,vmax=1,center=0,square=True,annot = True,xticklabels = False,yticklabels = False)
N = 10
f,ax = plt.subplots(figsize=(7,5))
HeatMap(N)
ImgLabels(N,ax)
plt.show()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。