如何使用Matplotlib/Seaborn绘制两张1000×1000图像的差异

我帮你整理了完整的可复现代码，专门解决你用Matplotlib绘制两张大尺寸修改后图像差异的需求，代码里已经对应了你提到的右上和左下子图布局，还做了大尺寸图像的渲染优化：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 设置绘图风格，让输出更美观
sns.set(style='dark')

# 创建2×2子图布局，调整dpi避免大尺寸图像内存过载
fig, axes = plt.subplots(2, 2, figsize=(10, 10), dpi=100)
fig.suptitle('StackOverflow Matplotlib colorbar demo', fontsize=16)

# 生成第一张1000×1000随机图像数据
dat1 = np.random.randn(1000, 1000)
# 生成修改后的第二张图像（模拟你对原图的修改：给右上角区域添加偏移）
dat2 = dat1.copy()
dat2[-300:, -300:] += 2.5  # 右上角300×300区域做修改，方便后续看差异

# 绘制子图：左上为原始图像
im1 = axes[0,0].imshow(dat1, cmap='viridis')
axes[0,0].set_title('原始图像')
axes[0,0].axis('off')  # 关闭坐标轴，聚焦图像内容

# 你指定的右上角子图：展示修改后的图像2
im2 = axes[0,1].imshow(dat2, cmap='viridis')
axes[0,1].set_title('修改后图像（右上）')
axes[0,1].axis('off')

# 你指定的左下角子图：再次展示修改后的图像2
axes[1,0].imshow(dat2, cmap='viridis')
axes[1,0].set_title('修改后图像（左下）')
axes[1,0].axis('off')

# 计算并绘制两张图像的差异图
diff_data = np.abs(dat1 - dat2)
# 归一化差异值到0-1范围，让差异区域更明显
diff_data = diff_data / diff_data.max()
im_diff = axes[1,1].imshow(diff_data, cmap='coolwarm')
axes[1,1].set_title('图像差异（亮区为修改处）')
axes[1,1].axis('off')

# 添加统一的颜色条，避免重复占用空间
fig.colorbar(im2, ax=axes.ravel().tolist(), shrink=0.8, location='bottom')

# 调整布局，避免标题和子图重叠
plt.tight_layout(rect=[0, 0.03, 1, 0.95])
# 保存图像时记得加bbox_inches='tight'，避免内容被截断
plt.savefig('image_diff_comparison.png', bbox_inches='tight')
plt.show()

关键细节说明 #

• 大尺寸图像优化：设置dpi=100并关闭坐标轴，减少内存占用和渲染时间，避免处理1000×1000图像时卡顿
• 差异计算：用np.abs(dat1 - dat2)计算绝对差异，归一化后能更清晰地突出修改区域（亮部就是你修改过的地方）
• 子图布局：严格对应你提到的右上和左下子图展示修改后的图像，同时补充了原始图和差异图做完整对比
• 颜色条处理：统一添加底部颜色条，避免每个子图单独加颜色条导致布局混乱

内容的提问来源于stack exchange，提问作者amyspark