我有一个关于 Python(pylab) 和绘图的问题 -
我能够加载并显示图像（下面的代码加载下面的图像），但我无法将其绘制为 3D 轮廓，我知道需要一个数组pylab.contourf(x,y,z)虽然我不确定如何从加载的图像数据中实现这一点。
如有任何建议和帮助，请。我的代码：
from PIL import Image
import pylab
fileName = "image1.png"
im = Image.open(fileName)
#pylab.contourf(im) # don't work - needs an array but how
pylab.axis('off')
pylab.imshow(im)
pylab.show()
您的图像可以用等高线图表示的原因是它显然是伪彩色图像，即使用完整 RGB 色谱来表示单个变量的图像。等值线图还表示具有单个变量的数据它决定颜色（即 Z 轴），因此您也可以将图像数据表示为等高线图。
这就是原因我建议您首先使用等高线图。 （不过，您在这个问题中实际要求的内容通常不存在：没有普遍有效的方法来转换颜色image转换为等高线图，因为彩色图像通常具有三种独立的颜色 RGB，而等高线图只有一种（Z 轴），i.e.，这只适用于伪彩色图像。）
具体解决您的问题：
1) 如果您有用于创建所显示的伪彩色图像的 z 轴数据，只需在等值线图中使用该数据即可。这是最好的解决方案。
2）如果你没有z数据，那就更麻烦了，因为你需要将图像中的颜色反转为z值，然后将其放入等高线图中。您显示的图像几乎肯定使用了颜色图 matplotlib.cm.jet，而且我看不到比它更好的反转方法ubuntu在这里说.
最后，您需要了解等高线图和图像之间的区别，才能使细节发挥作用。
演示原因convert不起作用:
在这里，我使用从左到右的 z 值斜坡来运行完整的测试用例。很明显，z 值现在完全混乱了，因为以前最大的值现在是最小的，等等。
也就是说，目标是图。 2 匹配图。 4，但它们有很大不同。当然，问题是convert未正确映射jet到原始 z 值集。
import numpy as np
import matplotlib.pyplot as plt
import Image
fig, axs = plt.subplots(4,1)
x = np.repeat(np.linspace(0, 1, 100)[np.newaxis,:], 20, axis=0)
axs[0].imshow(x, cmap=plt.cm.gray)
axs[0].set_title('1: original z-values as grayscale')
d = axs[1].imshow(x, cmap=plt.cm.jet)
axs[1].set_title('2:original z-values as jet')
d.write_png('temp01.png') # write to a file
im = Image.open('temp01.png').convert('L') # use 'convert' on image to get grayscale
data = np.asarray(im) # make image into numpy data
axs[2].imshow(data, cmap=plt.cm.gray)
axs[2].set_title("3: 'convert' applied to jet image")
img = Image.open('temp01.png').convert('L')
z = np.asarray(img)
mydata = z[::1,::1] # I don't know what this is here for
axs[3].imshow(mydata,interpolation='nearest',cmap=plt.cm.jet)
axs[3].set_title("4: the code that Jake French suggests")
plt.show()
但是，正如我上面建议的那样，正确地做到这一点并不难。