图像PC（s）的二维散点图

Question

我需要在图像上应用PCA来制作前两个PC的二维散点图，并确定高密度区域，这些区域被进一步视为ROI（感兴趣区域）。基本上，它是用于图像分割的PCA。
但是，我是matplotlib的新手，我无法理解如何绘制PC？
这是我最初的代码，其中加载和标准化几个图像（顺便说一下，就是直方图均衡化PCA之前标准化图像的正确方法吗？），并尝试在其中一人进行PCA：

from skimage import io 
from skimage import exposure 
import os 
import matplotlib.pyplot as plt 
import numpy as np 
from sklearn.decomposition import PCA 
images = io.imread_collection(image_path) 
images_equalized = [] 
for i in range(len(images)): 
    images_equalized.append(exposure.equalize_hist(images[i])) 
pca = PCA(n_components=2) 
im_pca = pca.fit_transform(images_equalized[35]) 

现在，如何制作散点图？
plt.imshow(im_pca)
plt.show()

图像形状是（508，636）

Answer 1

pca.fit_transform()返回形状（N_SAMPLES次，n_components）的新的数组。这是可以绘制为双散点分数的分数数据。

每个组件的分数都在数组的第二维中，因此您可以按如下方式将数组索引到图中。

im_pca = pca.fit_transform(images_equalized[35]) 

plt.scatter(im_pca[:,0], im_pca[:,1])