带有单个颜色条的多个图像#

为多张图像使用单一颜色条。

目前，一个颜色条只能连接到一个图像。这种连接确保了数据着色与颜色映射比例一致（即颜色映射中值 x 的颜色用于图像中数据值 x 的着色）。

如果我们希望一个颜色条代表多张图像，我们必须通过使用相同的数据归一化来明确确保数据着色的连贯性。我们通过显式创建一个 norm 对象，并将其传递给所有图像绘制方法来实现这一点。

import matplotlib.pyplot as plt
import numpy as np

from matplotlib import colors

np.random.seed(19680801)

datasets = [
    (i+1)/10 * np.random.rand(10, 20)
    for i in range(4)
]

fig, axs = plt.subplots(2, 2)
fig.suptitle('Multiple images')

# create a single norm to be shared across all images
norm = colors.Normalize(vmin=np.min(datasets), vmax=np.max(datasets))

images = []
for ax, data in zip(axs.flat, datasets):
    images.append(ax.imshow(data, norm=norm))

fig.colorbar(images[0], ax=axs, orientation='horizontal', fraction=.1)

plt.show()

现在，当改变缩放比例时，例如通过颜色条放大或在Qt后端的“编辑轴、曲线和图像参数”GUI中，所有图像的颜色保持一致。这对于大多数实际使用情况来说已经足够了。

高级：此外同步颜色映射#

共享一个共同的规范对象可以保证同步缩放，因为缩放变化会就地修改规范对象，从而传播到所有使用该规范的图像。这种方法对于同步颜色映射没有帮助，因为更改图像的颜色映射（例如通过Qt后端的“编辑轴、曲线和图像参数”GUI）会导致图像引用新的颜色映射对象。因此，其他图像不会更新。

要更新其他图像，请使用以下代码同步色图:

def sync_cmaps(changed_image):
    for im in images:
    if changed_image.get_cmap() != im.get_cmap():
        im.set_cmap(changed_image.get_cmap())

for im in images:
    im.callbacks.connect('changed', sync_cmaps)

参考文献

以下示例展示了以下函数、方法、类和模块的使用：

由 Sphinx-Gallery 生成的图库