有时，需要将matplotlib画图的数据图，转化为数据，以进行进一步处理。

方法有两种：

方法一：

 总体分为两步完成： 1.将plt或fig对象转为argb string的对象；2.将argb string对象图像转为array 或 Image。

import matplotlib.pyplot as plt 
import matplotlib.cm as cm
import numpy as np

from matplotlib.backends.backend_agg import FigureCanvasAgg    
# 引入 Image
import PIL.Image as Image

    # 将plt转化为numpy数据
    canvas = FigureCanvasAgg(plt.gcf())
    print(type(canvas))
    # 绘制图像
    canvas.draw()
    # 获取图像尺寸
    w, h = canvas.get_width_height()
    # 解码string 得到argb图像
    buf = np.fromstring(canvas.tostring_argb(), dtype=np.uint8)

    # 重构成w h 4(argb)图像
    buf.shape = (w, h, 4)
    # 转换为 RGBA
    buf = np.roll(buf, 3, axis=2)
    # 得到 Image RGBA图像对象 (需要Image对象的同学到此为止就可以了)
    image = Image.frombytes("RGBA", (w, h), buf.tostring())
    # 转换为numpy array rgba四通道数组
    image = np.asarray(image)
    # 转换为rgb图像
    rgb_image = image[:, :, :3]

方法二：

利用matplotlib的savefig()方法，将图片先保存在内存，再用PIL或openCV方法将图片读入。

import matplotlib.pyplot as plt 
import pylab
import imageio
import skimage.io
import cv2
from io import BytesIO
import PIL    

    #申请缓冲地址
    buffer_ = BytesIO()#using buffer,great way!
    #保存在内存中，而不是在本地磁盘，注意这个默认认为你要保存的就是plt中的内容
    plt.savefig(buffer_,format = 'png')
    buffer_.seek(0)
    #用PIL或CV2从内存中读取
    dataPIL = PIL.Image.open(buffer_)
    #转换为nparrary，PIL转换就非常快了,data即为所需
    data = np.asarray(dataPIL)
    #释放缓存    
    buffer_.close()
    cv2.imshow('image', data)
    cv2.waitKey()

参考：

Python: Matplotlab 的 figure转换为numpy的arrary方法_搬砖小怪兽的博客-CSDN博客_plt转numpy

Python - 将matplotlib图像转换为numpy.array 或 PIL.Image_苍蓝儿的博客-CSDN博客_matplotlib转numpy