实际上前面我们就已经用到了图像的绘制，如：
io.imshow(image)
这一行代码的实质是利用matplotlib包对图片进行绘制，绘制成功后，返回一个matplotlib类型的数据。因此，我们也可以这样写：

    import matplotlib.pyplot as plt
    plt.imshow(image)

io.imshow()函数的格式是：
matplotlib.pyplot.imshow(X, cmap=None)
X为要绘制的图像；
cmap为颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。
还有其他的可选颜色图谱：

用的比较多的是jet、gray等，如下：
plt.imshow(image, plt.cm.gray) plt.imshow(image, cmap = plt.cm.jet)
在窗口上绘制完图片后，返回一个AxesImage对象。要在窗口上显示这个对象，我们可以调用show()函数来进行显示，但进行练习的时候（ipython环境中），一般我们可以省略show()函数，也能自动显示出来。

    from skimage import io, data
    image = data.chelsea()
    axe_image = io.imshow(image)
    print(type(axe_image))
    io.show()

输出为：
<class 'matplotlib.image.AxesImage'>

小猫

    from skimage import data
    import matplotlib.pyplot as plt
    image = data.chelsea()
    plt.imshow(image)
    plt.show()

matplotlib是一个专业绘图的库，相当于matlab的plot函数，可以设置多个figure窗口、设置figure的标题、隐藏坐标尺，甚至可以使用subplot在一个figure中显示多张图片。
不管我们利用skimage.io.imshow()还是matplotlib.pyplot.imshow()绘制图像，最终都是调用的matplotlib.pyplot模块。

一、利用figure()和subplot()分别创建主窗口和子图

例一:分开并同时显示小猫的三个通道

    from skimage import data
    import matplotlib.pyplot as plt
    image = data.chelsea()

    plt.figure(num='cat', figsize=(8,8))  #创建一个名为cat的窗口,并设置大小 

    plt.subplot(2, 2, 1)
    plt.title('Original Image')
    plt.imshow(image)

    plt.subplot(2, 2, 2)
    plt.title('R channel')
    plt.imshow(image[:, :, 0])

    plt.subplot(2, 2, 3)
    plt.title('G channel')
    plt.imshow(image[:, :, 1])
    
    plt.subplot(2, 2, 4)
    plt.title('B channel')
    plt.imshow(image[:, :, 2])

    plt.show()

三通道小猫

在图片绘制过程中，我们用matplotlib.pyplot模块下的figure()函数来创建显示窗口，该函数的格式为：
matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None)
所有参数都是可选的，都有默认值，因此调用该函数时可以不带任何参数，其中：
num: 整型或字符型都可以。如果设置为整型，则该整型数字表示窗口的序号。如果设置为字符型，则该字符串表示窗口的名称。用该参数来命名窗口，如果两个窗口序号或名相同，则后一个窗口会覆盖前一个窗口；
figsize: 设置窗口大小。是一个tuple型的整数，如figsize=（8，8）；
dpi: 整形数字，表示窗口的分辨率；
facecolor: 窗口的背景颜色；
edgecolor: 窗口的边框颜色。
用figure()函数创建的窗口，只能显示一幅图片，如果想要显示多幅图片，则需要将这个窗口再划分为几个子图，在每个子图中显示不同的图片。我们可以使用subplot()函数来划分子图，函数格式为：
matplotlib.pyplot.subplot(nrows, ncols, plot_number)
nrows: 子图的行数;
ncols: 子图的列数;
plot_number: 当前子图的编号。
如下：
plt.subplot(2, 2, 1)
或者
plt.subplot(221)
两种写法效果是一样的。每个子图的标题可用title()函数来设置，是否使用坐标尺可用axis()函数来设置，如：

    plt.subplot(221)
    plt.title("first subwindow")
    plt.axis('off')

二、用subplots来创建显示窗口与划分子图

除了上面那种方法创建显示窗口和划分子图，还有另外一种编写方法也可以，如下例:

    import matplotlib.pyplot as plt
    from skimage import data, color

    image = data.chelsea()
    image_hsv = color.rgb2hsv(image)

    fig, axes = plt.subplots(2, 2, figsize=(8, 8))
    axe0, axe1, axe2, axe3 = axes.ravel()

    axe0.imshow(image)
    axe0.set_title('Original Image')

    axe1.imshow(image_hsv[:, :, 0])
    axe1.set_title('H channel')

    axe2.imshow(image_hsv[:, :, 1])
    axe2.set_title('S channel')
    
    axe3.imshow(image_hsv[:, :, 2])
    axe3.set_title('V channel')
    
            for ax in axes.ravel():
        ax.axis('off')

    fig.tight_layout()

    plt.show()

HSV小猫

直接用subplots()函数来创建并划分窗口。注意，比前面的subplot()函数多了一个s，该函数格式为：
matplotlib.pyplot.subplots(nrows=1, ncols=1)
nrows: 所有子图行数，默认为1。
ncols: 所有子图列数，默认为1。
返回一个窗口figure, 和一个tuple型的ax对象，该对象包含所有的子图,可结合ravel()函数列出所有子图，如：

    fig, axes = plt.subplots(2, 2, figsize=(8, 8))
    axe0, axe1, axe2, axe3 = axes.ravel()

创建了2行2列4个子图，分别取名为ax0,ax1,ax2和ax3, 每个子图的标题用set_title()函数来设置，如：

    axe0.imshow(image)
    axe0.set_title('Original Image')

如果有多个子图，我们还可以使用tight_layout()函数来调整显示的布局，该函数格式为：
matplotlib.pyplot.tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)
所有的参数都是可选的，调用该函数时可省略所有的参数。
pad: 主窗口边缘和子图边缘间的间距，默认为1.08
h_pad, w_pad: 子图边缘之间的间距，默认为 pad_inches
rect: 一个矩形区域，如果设置这个值，则将所有的子图调整到这个矩形区域内。
一般调用方法是：
plt.tight_layout() #自动调整subplot间的参数

三、其它方法绘图并显示

除了使用matplotlib库来绘制图片，skimage还有另一个子模块viewer，也提供一个函数来显示图片。不同的是，它利用Qt工具来创建一块画布，从而在画布上绘制图像。

    from skimage import data
    from skimage.viewer import ImageViewer

    img = data.coins()
    viewer = ImageViewer(img)
    viewer.show()

最后总结一下，绘制和显示图片常用到的函数有：