python等高线函数 等高线数据怎么获取

python中怎么在等高线图中添加参考线？

#导入模块

成都创新互联专注为客户提供全方位的互联网综合服务，包含不限于成都网站制作、网站设计、外贸网站建设、宜春网络推广、微信小程序、宜春网络营销、宜春企业策划、宜春品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；成都创新互联为所有大学生创业者提供宜春建站搭建服务，24小时服务热线：13518219792，官方网址：www.cdcxhl.com

import numpy as np

import matplotlib.pyplot as plt

#建立步长为0.01，即每隔0.01取一个点

step = 0.01

x = np.arange(-10,10,step)

y = np.arange(-10,10,step)

#也可以用x = np.linspace(-10,10,100)表示从-10到10，分100份

#将原始数据变成网格数据形式

X,Y = np.meshgrid(x,y)

#写入函数，z是大写

Z = X**2+Y**2

#填充颜色，f即filled

plt.contourf(X,Y,Z)

#画等高线

contour = plt.contour(X,Y,Z)

#平行于坐标系的参考线

plt.axhline(y=2.5,c='red',ls='--',lw=3)

plt.axvline(x=2,c='green',ls='--',lw=3)

#等高线上标明z（即高度）的值，默认是保留3个小数，可以如下保留四位

plt.clabel(contour,fontsize=10,colors=('k','r'),fmt='%.2f')

plt.show()

差不多就这样吧，有问题的话再留言吧

3.8 等高线

等高线可以简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度。等高线是形状分析、目标检测和识别的有用工具。

让我们看看如何找到二值图像的轮廓：

cv2.findcontours() 函数中有三个参数，

第一个是源图像

第二个是轮廓检索模式

第三个是轮廓近似方法

它输出图像、轮廓和层次。轮廓是图像中所有轮廓的python列表。每个轮廓都是对象边界点（x，y）坐标的numpy数组。

使用 cv2.drawContours, 它也可以用来绘制任何给出边界点的形状。它的第一个参数是源图像，第二个参数是应该作为等高线列表，第三个参数是等高线索引（在绘制个体轮廓时使用）。要绘制所有轮廓，传递-1）、颜色、厚度等。

要绘制图像中的所有轮廓：

要绘制第4个轮廓：

但大多数情况下，下面的方法更适合：

这是 cv2.findContours 函数中的第三个参数的说明。

如果传递 cv2.CHAIN_APPROX_NONE，则存储所有边界点。但实际上我们需要所有的要点吗？例如，你发现了一条直线的轮廓。你需要这条线上所有的点来代表这条线吗？不，我们只需要这条线的两个端点。这就是 cv2.CHAIN_APPROX_SIMPLE所做的。它删除所有冗余点并压缩轮廓，从而节省内存。

你可以提取有用的数据，如面积、质心等。质心可以通过下面的方式来获取

它将一个轮廓形状近似为另一个形状，根据我们指定的精度，顶点数量较少。

为了理解这一点，假设您试图在图像中找到一个正方形，但是由于图像中的一些问题，您没有得到一个完美的正方形，而是一个“坏形状”（如下面第一幅图像所示）。现在可以使用此函数来近似形状。在这里，第二个参数称为epsilon，它是从轮廓到近似轮廓的最大距离。这是一个精度参数。为了得到正确的输出，需要明智地选择epsilon。

下图，在第二幅图像中，绿线显示了epsilon=10%弧长的近似曲线。第三张图片显示的epsilon=弧长的1%相同。第三个参数指定曲线是否关闭。

凸面船体看起来类似于轮廓近似，但事实并非如此（在某些情况下两者都可能提供相同的结果）。在这里，cv2.converxHull（）函数检查曲线是否存在凸性缺陷，并对其进行修正。一般来说，凸曲线是指总是凸出的曲线，或者至少是平的曲线。如果它在内部膨胀，就称为凸性缺陷。例如，检查下面的手图像。红线表示手的凸面外壳。双面箭头标记显示了凸性缺陷，即船体与轮廓的局部最大偏差。

points 是我们经过的轮廓。

hull 是输出，通常我们避免它。

clockwise ：方向标志。如果为真，则输出凸壳为顺时针方向。否则，它是逆时针方向的。

returnPoints ：默认为真。然后返回船体点的坐标。如果为false，则返回与外壳点对应的轮廓点索引。

因此，如上图所示，要得到一个凸面外壳，以下就足够了：

有一个函数可以检查曲线是否是凸的，cv2.isContourConvex()。它只是返回正确还是错误。

直的矩形，不考虑物体的旋转。所以边界矩形的面积不会是最小的。它由函数 cv2.boundingrect() 找到。

设（x，y）为矩形的左上角坐标，（w，h）为矩形的宽度和高度。

在这里，边界矩形是用最小面积绘制的，因此它也考虑了旋转。使用的函数是 cv2.minareect() 。但是要画这个矩形，我们需要四个角。它是通过函数 cv2.boxpoints() 获得的。

在这里，我们将学习提取一些经常使用的对象属性，如坚固性、等效直径、遮罩图像、平均强度等。

范围是轮廓区域与边界矩形区域的比率。

坚固性是指轮廓面积与其凸面外壳面积之比。

等效直径是面积与轮廓面积相同的圆的直径。

方向是指向对象的角度。下面的方法也给出了长轴和短轴的长度。

在某些情况下，我们可能需要包含该对象的所有点。可以这样做：

这里，有两种方法，一种是使用numpy函数，另一种是使用opencv函数（最后一行注释）。结果也相同，但有轻微的差异。numpy以（行、列）格式给出坐标，而opencv以（x、y）格式给出坐标。所以基本上答案会互换。注意，row=x，column=y。

极端点是指物体的最上面、最下面、最右边和最左边的点。

python菜鸟求助，使用matplotlib 绘制contour等高线图，z为2D数组

以画 z=x^2+y^2 的等高线为例，简单介绍用 matplotlib 画等高线的方法.

首先看下 z=x^2+y^2 的三维图像：

import numpy as npfrom matplotlib import cmimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D

delta = 0.2x = np.arange(-3, 3, delta)

y = np.arange(-3, 3, delta)

X, Y = np.meshgrid(x, y)

Z = X**2 + Y**2x=X.flatten()

y=Y.flatten()

z=Z.flatten()

fig = plt.figure()

ax = fig.gca(projection='3d')

ax.plot_trisurf(x, y, z, cmap=cm.jet, linewidth=0.01)

plt.show()

下面画出这个图形的等高线：

plt.contour(X, Y, Z) #注意这里是大写X ,Y,Z

如果只想画出 z=1,z=2,z=3 这 3 条等高线：

plt.contour(X, Y, Z,[1,2,3])

Python之神奇的绘图库matplotlib

matplotlib是Python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。本文将以例子的形式分析matplot中支持的，分析中常用的几种图。其中包括填充图、散点图(scatter plots)、. 条形图(bar plots)、等高线图(contour plots)、 点阵图和3D图，下面来一起看看详细的介绍：

一、填充图

参考代码

简要分析

这里主要是用到了fill_between函数。这个函数很好理解，就是传入x轴的数组和需要填充的两个y轴数组；然后传入填充的范围，用where=来确定填充的区域；最后可以加上填充颜色啦，透明度之类修饰的参数。

相关推荐：《Python教程》

效果图

二、散点图(scatter plots)

参考代码

简要分析

1.首先介绍一下numpy 的normal函数，很明显，这是生成正态分布的函数。这个函数接受三个参数，分别表示正态分布的平均值，标准差，还有就是生成数组的长度。很好记。

2.然后是arctan2函数，这个函数接受两个参数，分别表示y数组和x数组，然后返回对应的arctan(y/x)的值，结果是弧度制。

3.接下来用到了绘制散点图的scatter方法，首先当然是传入x和y数组，接着s参数表示scale，即散点的大小；c参数表示color，我给他传的是根据角度划分的一个数组，对应的就是每一个点的颜色（虽然不知道是怎么对应的，不过好像是一个根据数组内其他元素进行的相对的转换，这里不重要了，反正相同的颜色赋一样的值就好了）；最后是alpha参数，表示点的透明度。scatter函数的高级用法可以参见官方文档scatter函数或者help文档，最后设置下坐标范围就好了。

效果图

三、等高线图(contour plots)

参考代码

简要分析

1.首先要明确等高线图是一个三维立体图，所以我们要建立一个二元函数f，值由两个参数控制，(注意，这两个参数都应该是矩阵)。

2.然后我们需要用numpy的meshgrid函数生成一个三维网格，即，x轴由第一个参数指定，y轴由第二个参数指定。并返回两个增维后的矩阵，今后就用这两个矩阵来生成图像。

3.接着就用到coutourf函数了，所谓contourf，大概就是contour fill的意思吧，只填充，不描边；这个函数主要是接受三个参数，分别是之前生成的x、y矩阵和函数值；接着是一个整数，大概就是表示等高线的密度了，有默认值；然后就是透明度和配色问题了，cmap的配色方案这里不多研究。

4.随后就是contour函数了，很明显，这个函数是用来描线的。用法可以类似的推出来，不解释了，需要注意的是他返回一个对象，这个对象一般要保留下来个供后续的加工细化。

5.最后就是用clabel函数来在等高线图上表示高度了，传入之前的那个contour对象；然后是inline属性，这个表示是否清除数字下面的那条线，为了美观当然是清除了，而且默认的也是1；再就是指定线的宽度了。

效果图