如何在Keras中使用MNIST数据集结合Matplotlib展示图像

嘿，我看到你的问题了——你用Keras导入MNIST数据集后，尝试用Matplotlib展示图像，但代码里踩了个小坑：mpimg.imread()是用来读取本地磁盘上的图片文件的，而Keras加载的x_train里已经是直接可用的numpy数组图像数据了，不需要再用imread去读它。

下面给你修正后的代码，以及一些实用的展示技巧：

1. 展示单张图像的正确代码 #

%matplotlib inline
import matplotlib.pyplot as plt
from keras.datasets import mnist  # 别忘了导入mnist数据集哦

# 加载训练集与测试集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 直接取x_train里的数组传入plt.imshow，同时指定灰度颜色映射（因为MNIST是灰度图）
plt.imshow(x_train[1], cmap='gray')
# 可以加上标题，显示这张图对应的标签
plt.title(f"Label: {y_train[1]}")
plt.show()

2. 批量展示多张图像的实用技巧 #

如果想一次性展示多张图像，比如展示前9张，可以用子图布局：

%matplotlib inline
import matplotlib.pyplot as plt
from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 创建3x3的子图布局
fig, axes = plt.subplots(3, 3, figsize=(8, 8))
axes = axes.ravel()  # 将二维子图数组展平成一维

for i in range(9):
    axes[i].imshow(x_train[i], cmap='gray')
    axes[i].set_title(f"Label: {y_train[i]}")
    axes[i].axis('off')  # 隐藏坐标轴，让图像更整洁

plt.tight_layout()  # 自动调整子图间距
plt.show()

关键细节说明 #

• MNIST的图像是28x28的灰度单通道数据，所以用cmap='gray'可以确保显示正确的灰度效果，否则默认的彩色映射会让图像看起来失真。
• x_train的形状是(60000, 28, 28)，每个索引对应的就是一张完整的图像数组，直接传入plt.imshow()即可，不需要额外的读取操作。

内容的提问来源于stack exchange，提问作者Steve