要使用 Matplotlib 顯示圖片非常簡單，只要指定像素資料就可以了，例如：
import matplotlib.pyplot as plt
plt.title('face')
plt.imshow([
[[255, 255, 255], [255, 255, 255], [255, 255, 255], [255, 255, 255], [255, 255, 255]],
[[255, 255, 255], [255, 0, 0], [255, 255, 255], [255, 0, 0], [255, 255, 255]],
[[255, 255, 255], [255, 255, 255], [255, 255, 255], [255, 255, 255], [255, 255, 255]],
[[255, 255, 255], [255, 0, 0], [255, 0, 0], [255, 0, 0], [255, 255, 255]],
[[255, 255, 255], [255, 255, 255], [255, 255, 255], [255, 255, 255], [255, 255, 255]]
])
plt.show()
其中每個 [255, 255, 255] 結構的資料，代表一個像素的 [R, G, B] 值，這會顯示以下的結果：
如果只想顯示灰階圖，每個像素指定一個數字代表階數，呼叫 imshow 時指定 cmap（Color Map）為 cm.gray：
import matplotlib.pyplot as plt
from matplotlib import cm
plt.title('face')
plt.imshow([
[255, 255, 255, 255, 255],
[255, 0, 255, 0, 255],
[255, 255, 255, 255, 255],
[255, 0, 0, 0, 255],
[255, 255, 255, 255, 255]
], cmap = cm.gray)
plt.show()
這會顯示以下的結果：
如果想讀入圖片顯示呢？Python 內建的 PIL 模組提供了圖片載入功能，透過 Image 讀入圖片後的資料，是以 [R, G, B] 形式代表每個像素，直接餵給 imshow 就可以了，例如讀入我的吉祥物圖片並顯示：
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('caterpillar.jpg')
img.load()
plt.title('caterpillar')
plt.imshow(img)
plt.show()
這會顯示以下的結果：
單純只是介紹圖片的讀入與顯示沒什麼太大意義，不如來看個二維 Perlin 雜訊的應用吧！基本原理與〈NumPy 與 Perlin 雜訊〉中談到相同，只不過二維 Perlin 雜訊在每個座標點會生成一個梯度，四個座標點的梯度，決定了四個座標點間的雜訊變化。
就結論而言，以下的程式將雜訊作為灰階度，並交給 imshow 顯示：
from math import floor
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
# Perlin noise 實作
def blending(t):
return 6 * (t ** 5) - 15 * (t ** 4) + 10 * (t ** 3)
def lerp(g1, g2, t):
return g1 + t * (g2 - g1)
def grad2(hashvalue, dx, dy):
return [dy, dx + dy, dx, dx - dy, -dy, -dx - dy, -dx, -dx + dy][hashvalue % 8];
rand_table = np.random.randint(255, size = 256).tolist()
def _perlin2(x, y):
xi = floor(x)
yi = floor(y)
aa = rand_table[
(rand_table[xi % 256] + yi) % 256
]
ba = rand_table[
(rand_table[(xi + 1) % 256] + yi) % 256
]
ab = rand_table[
(rand_table[xi % 256] + yi + 1) % 256
]
bb = rand_table[
(rand_table[(xi + 1) % 256] + yi + 1) % 256
]
dx = x - xi
dy = y - yi
u = blending(dx)
v = blending(dy)
g1 = lerp(grad2(aa, dx, dy), grad2(ba, dx - 1, dy), u)
g2 = lerp(grad2(ab, dx, dy - 1), grad2(bb, dx - 1, dy - 1), u)
return lerp(g1, g2, v)
_perlin2 = np.frompyfunc(_perlin2, 2, 1)
def perlin2(x, y):
cx, cy = np.meshgrid(x, y)
return _perlin2(cx, cy).astype(np.float)
# 將雜訊當成灰階度顯示為圖片
width = 500
x = np.arange(width) / 100
y = np.arange(width) / 100
noise = (perlin2(x, y) + 1) * 125
plt.title('Perlin noise')
plt.imshow(noise, cmap = cm.gray)
plt.show()
就 NumPy 的認識本身來說，這邊的範例需要知道的有兩個部份，一是 np.meshgrid 的使用，因為範例中的 perlin2 接受兩個 NumPy 陣列，這兩個陣列要用來計算出每個像素座標，由於 _perlin2 被向量化了，你必須提供兩個匹配的陣列，讓 _perlin2 每次抓對來進行運算，抓對的結果要代表像素座標，透過 np.meshgrid，就可以將兩個軸的陣列，轉換為抓對用的陣列。
另一個要知道的部份是，rand_table 是 np.random.randint(255, size = 256).tolist()，也就是它是個 list，為什麼不使用 NumPy 陣列呢？因為 _perlin2 每次會對 rand_table 指定單一索引，對於這種情況，使用 NumPy 陣列反而緩慢（NumPy 陣列可以快速，是每次呼叫時，能處理一組連續資料的場合），透過 list 會是比較好的選擇。
以上範例的執行結果會是：
若你是第一次看到二維的 Perlin 雜訊以灰階圖表示，可能會想這是什麼神秘圖案？若將灰階數 0 作為低點，灰階數 255 作為高點，這就相當於起伏的地形。
談到地形，就會想到等高線，可以將等值的點連接起來，這可以透過 Matplotlib 的 contour 函式來繪製，將以上範例的 plt.imshow(noise, cmap = cm.gray) 改為：
plt.contour(noise)
就可以顯示以下的圖案：
等值線的層次，可以用 levels 來控制，可以指定數字決定層次數，或者指定類陣列（array-like）物件，決定哪些等值下要繪製輪廓線，例如設個 25 階：
plt.contour(noise, levels = 25)
就會看到更密集的等高線了：
