MatplotlibのImshowで画像を表示する方法を徹底解説！基本から詳細な活用法まで

（最終更新月: 2024年11月）

✔こんな方におすすめの記事です

「Matplotlibのimshowで画像をうまく表示できない」
「imshowの使い方をしっかり理解したい」
「画像データの可視化を効果的におこないたい」

✔当記事を通じて得られること

Matplotlibのimshowの基本的な使い方と仕組み
画像データの効果的な表示方法とカスタマイズ
実践的なコード例と応用テクニック

当記事では、MatplotlibのImshowの基礎から実践的な活用法まで、具体的なコード例を交えて詳しく解説していきます。
ぜひ最後までご覧ください。

筆者プロフィール

【現職】プロダクトマネージャー

【副業】ブログ（月間20万PV）/YouTube/Web・アプリ制作

「プログラミング × ライティング × 営業」の経験を活かし、30後半からのIT系職へシフト。現在はプロダクトマネージャーとして、さまざまな関係者の間に入り奮闘してます。当サイトでは、実際に手を動かせるWebアプリの開発を通じて、プログラミングはもちろん、IT職に必要な情報を提供していきます。

【当ブログで紹介しているサイト】

当サイトチュートリアルで作成したデモ版日報アプリ

Django × Reactで開発したツール系Webアプリ

✔人に見せても恥ずかしくないコードを書こう

「リーダブルコード」は、わかりやすく良いコードの定義を教えてくれる本です。

見るからにきれいなコードの書き方
コードの分割方法
変数や関数の命名規則

エンジニアのスタンダートとすべき基準を一から解説しています。

何回も読むのに値する本なので、ぜひ手にとって読んでみてください。

リーダブルコード ―より良いコードを書くためのシンプルで実践的なテクニック

created by Rinker

Matplotlibのimshowとは

Matplotlibのimshowは、2次元配列やデジタル画像を表示するための強力な関数です。
データの可視化において、画像やヒートマップの表示に欠かせないツールとなっています。

imshowの基本概念
imshowでできること
基本的な構文と使い方

imshowの基本概念

imshowは、2次元のデータを色付きの画像として表示する機能を提供します。
数値データを視覚的に理解しやすい形式に変換できるのが特徴です。
以下は最も基本的なimshowの使用例です。

import matplotlib.pyplot as plt
import numpy as np

# サンプルデータの作成
data = np.random.rand(10, 10)
plt.imshow(data)
plt.colorbar()
plt.show()

imshowでできること

imshowは、様々な種類のデータ表示に対応しています。
画像ファイルの表示から、数値データのヒートマップ作成まで、幅広い用途に活用できます。
具体的な機能を見ていきましょう。

# RGBカラー画像の表示
from PIL import Image
img = Image.open('sample.jpg')
plt.imshow(img)
plt.axis('off')  # 軸を非表示
plt.show()

基本的な構文と使い方

imshowの基本構文は非常にシンプルですが、多くのオプションが用意されています。
正確な表示のために、データの形式とオプションの関係を理解することが重要です。
以下が基本的な使用方法の例です。

plt.imshow(データ配列, cmap='カラーマップ名', aspect='アスペクト比')

データの準備と前処理

画像やデータを適切に表示するには、正しい前処理が必要となります。
データの形式や値の範囲によって、表示方法を調整する必要があります。

データ形式の確認と変換
値の正規化と調整
カラーマップの選択

データ形式の確認と変換

imshowで表示するデータは、特定の形式に従う必要があります。
2次元配列やRGB形式の3次元配列が基本となります。
データの形式を確認し、必要に応じて変換をおこないましょう。

# グレースケール画像の場合
gray_data = np.random.rand(100, 100)
plt.imshow(gray_data, cmap='gray')

# RGB画像の場合
rgb_data = np.random.rand(100, 100, 3)
plt.imshow(rgb_data)

値の正規化と調整

データの値範囲は表示結果に大きく影響します。
適切な表示のために、データの正規化や値の調整が必要となることがあります。
以下は値の正規化の例です。

# MinMaxスケーリング
def normalize(data):
    return (data - data.min()) / (data.max() - data.min())

normalized_data = normalize(data)
plt.imshow(normalized_data)

カラーマップの選択

適切なカラーマップの選択は、データの視認性に大きく影響します。
用途に応じて最適なカラーマップを選択することが重要です。
Matplotlibには多数のカラーマップが用意されています。

# 様々なカラーマップの例
cmaps = ['viridis', 'plasma', 'inferno', 'magma', 'hot']
fig, axes = plt.subplots(1, len(cmaps), figsize=(15, 3))

for ax, cmap in zip(axes, cmaps):
    ax.imshow(data, cmap=cmap)
    ax.set_title(cmap)

表示オプションのカスタマイズ

imshowには多くの表示オプションが用意されています。
これらを適切に使用することで、より効果的なデータ可視化が可能となります。

アスペクト比の調整
カラーバーの追加と設定
軸とグリッドの制御

アスペクト比の調整

画像の縦横比は、データの正確な理解に重要な要素です。
アスペクト比を適切に設定することで、データの歪みを防ぐことができます。
具体的な設定方法を見ていきましょう。

# アスペクト比の設定例
plt.figure(figsize=(10, 5))
plt.imshow(data, aspect='auto')  # 自動調整
plt.title('Aspect ratio: auto')

plt.figure(figsize=(10, 5))
plt.imshow(data, aspect='equal')  # 等倍
plt.title('Aspect ratio: equal')

カラーバーの追加と設定

カラーバーは、色と値の対応関係を示す重要な要素です。
カラーバーの位置やサイズ、ラベルなどを調整することで、より分かりやすい表示が可能です。
以下は詳細な設定例です。

fig, ax = plt.subplots()
im = ax.imshow(data)
cbar = plt.colorbar(im)
cbar.set_label('Values')  # ラベルの追加
cbar.ax.tick_params(labelsize=10)  # 目盛りサイズの調整

軸とグリッドの制御

軸の目盛りやグリッドは、データの位置関係を理解する助けとなります。
用途に応じて、これらの表示をカスタマイズすることができます。
具体的な設定方法を示します。

fig, ax = plt.subplots()
im = ax.imshow(data)
ax.grid(True)  # グリッドの表示
ax.set_xticks(np.arange(data.shape[1]))  # X軸の目盛り
ax.set_yticks(np.arange(data.shape[0]))  # Y軸の目盛り
plt.setp(ax.get_xticklabels(), rotation=45)  # ラベルの回転

高度な使用法と応用例

imshowの機能を最大限に活用することで、より洗練された可視化が可能となります。
実践的な使用例を通じて、高度な表現方法を学んでいきましょう。

複数画像の同時表示
アニメーションの作成
インタラクティブな表示

複数画像の同時表示

複数の画像を並べて表示することで、比較や分析が容易になります。
サブプロットを使用して、効果的なレイアウトを作成できます。
以下は具体的な実装例です。

# 複数画像の表示
fig, axes = plt.subplots(2, 2, figsize=(10, 10))
for i, ax in enumerate(axes.flat):
    data = np.random.rand(50, 50)
    im = ax.imshow(data)
    ax.set_title(f'Plot {i+1}')
plt.tight_layout()

アニメーションの作成

時系列データや変化を示すためには、アニメーションが効果的です。
imshowを使用して、動的な表示を作成することができます。
アニメーション作成の例を示します。

import matplotlib.animation as animation

fig, ax = plt.subplots()
def update(frame):
    data = np.random.rand(10, 10)
    ax.clear()
    return ax.imshow(data)

ani = animation.FuncAnimation(fig, update, frames=20)
plt.show()

インタラクティブな表示

ユーザーの操作に応じて表示を変更できるインタラクティブな機能を実装できます。
マウスオーバーやクリックイベントに対応した表示が可能です。
以下は実装例です。

def on_click(event):
    if event.inaxes:
        x, y = int(event.xdata), int(event.ydata)
        print(f'Clicked at position: ({x}, {y})')
        print(f'Value at position: {data[y, x]}')

fig, ax = plt.subplots()
im = ax.imshow(data)
fig.canvas.mpl_connect('button_press_event', on_click)