Matplotlib也支持圖像的存取和顯示，并且和OpenCV一類的接口比起來，對于一般的二維矩陣的可視化要方便很多，來看例子：
import matplotlib.pyplot as plt

# 讀取一張小白狗的照片并顯示
plt.figure('A Little White Dog')
little_dog_img = plt.imread('little_white_dog.jpg')
plt.imshow(little_dog_img)

# Z是上小節(jié)生成的隨機圖案，img0就是Z，img1是Z做了個簡單的變換
img0 = Z
img1 = 3*Z + 4

# cmap指定為'gray'用來顯示灰度圖
fig = plt.figure('Auto Normalized Visualization')
ax0 = fig.add_subplot(121)
ax0.imshow(img0, cmap='gray')

ax1 = fig.add_subplot(122)
ax1.imshow(img1, cmap='gray')

plt.show()
這段代碼中第一個例子是讀取一個本地圖片并顯示，第二個例子中直接把上小節(jié)中反傅里葉變換生成的矩陣作為圖像拿過來，原圖和經(jīng)過乘以3再加4變換的圖直接繪制了兩個形狀一樣，但是值的范圍不一樣的圖案。顯示的時候imshow會自動進行歸一化，把最亮的值顯示為純白，最暗的值顯示為純黑。這是一種非常方便的設定，尤其是查看深度學習中某個卷積層的響應圖時。得到圖像如下：

只講到了最基本和常用的圖表及最簡單的例子，更多有趣精美的例子可以在Matplotlib的官網(wǎng)找到：
Thumbnail gallery - Matplotlib 1.5.3 documentation