python - 如何绘制图像-图像相似度矩阵图？

Question

我正在尝试绘制如下所示的图像。

x-axis和y-axis是一组图像。测量成对相似度的图。

如何在 python3 中绘制这个数字。基本上，我有 50图片。这将是 50x50矩阵图 50图像在 x-axis和y-axis .

我的目标是绘制一个像这样的图形(这个是不对称的，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)

并且有3某个路径中的图像。

Answer 1

我使用可以通过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方 block 的大小，您可能需要在您的案例。

在我的例子中，相似矩阵是随机的，我生成范围为 [-1;+1] 的数字。矩阵的右上三角形被白化，因为没有必要。

如果您不需要在相似性单元格内绘制数字，请设置 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()