欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

使用Python NumPy庫(kù)繪制漸變圖案

 更新時(shí)間：2021年12月21日 11:55:10   作者：天元浪子  
NumPy（Numerical Python）是Python的一種開(kāi)源的數(shù)值計(jì)算擴(kuò)展。這種工具可用來(lái)存儲(chǔ)和處理大型矩陣。但其實(shí)NumPy還可以繪制圖畫(huà)，本文將為大家介紹如何通過(guò)NumPy繪制彩色圖畫(huà)，感興趣的小伙伴可以了解一下

NumPy也可以畫(huà)圖嗎？當(dāng)然！NumPy不僅可以畫(huà)，還可以畫(huà)得更好、畫(huà)得更快！比如下面這幅畫(huà)，只需要10行代碼就可以畫(huà)出來(lái)。若能整明白這10行代碼，就意味著叩開(kāi)了NumPy的大門(mén)。請(qǐng)打開(kāi)你的Python IDLE，跟隨我的腳步，一起來(lái)體驗(yàn)一下交互式編程的樂(lè)趣吧，看看如何用NumPy畫(huà)圖，以及用NumPy可以畫(huà)出什么樣的圖畫(huà)來(lái)。

1. 導(dǎo)入模塊

僅導(dǎo)入NumPy就可以完成繪畫(huà)過(guò)程，PIL的Image模塊只是用來(lái)顯示或者保存繪畫(huà)結(jié)果。若能邀請(qǐng)Matplotlib的ColorMap來(lái)幫忙的話(huà)，處理顏色就會(huì)輕松很多，色彩也會(huì)更豐富，但這并不意味著ColorMap是必需的。

>>> import numpy as np
>>> from PIL import Image
>>> from matplotlib import cm as mplcm

2. 基本繪畫(huà)流程

借助于Image.fromarray()函數(shù)，可以將NumPy生成的數(shù)組轉(zhuǎn)為PIL對(duì)象。PIL對(duì)象的show()方法可以直接顯示圖像，save()方法則可以將圖像保存為文件。這一系列的操作過(guò)程中，有一個(gè)非常關(guān)鍵的知識(shí)點(diǎn)：NumPy數(shù)組的類(lèi)型必須是單字節(jié)無(wú)符號(hào)整型，即np.uint8或np.ubyte類(lèi)型。下面的代碼使用NumPy的隨機(jī)子模塊random生成了100行300列的二維數(shù)組，轉(zhuǎn)換為寬300像素高100像素的隨機(jī)灰度圖并直接顯示出來(lái)。

>>> im = np.random.randint(0, 255, (100,300), dtype=np.uint8)
>>> im = Image.fromarray(im)
>>> im.show() # 或者im.save(r'd:\gray_300_100.jpg')保存為文件

3. 生成隨機(jī)彩色圖像

上面的代碼中，如果random生成的數(shù)組包含3個(gè)通道，就會(huì)得到一幅彩色的隨機(jī)圖像。

>>> im = np.random.randint(0, 255, (100,300,3), dtype=np.uint8)
>>> Image.fromarray(im, mode='RGB').show()

4. 生成漸變色圖像

np.linspace()函數(shù)類(lèi)似于Python的range()函數(shù)，返回的是浮點(diǎn)數(shù)的等差序列，經(jīng)過(guò)np.tile()重復(fù)之后，分別生成RGB通道的二維數(shù)組，再用np.dstack()合并成三維數(shù)組，最終輸出一幅漸變色圖像。

>>> r = np.tile(np.linspace(192,255, 300, dtype=np.uint8), (600,1)).T
>>> g = np.tile(np.linspace(192,255, 600, dtype=np.uint8), (300,1))
>>> b = np.ones((300,600), dtype=np.uint8)*224
>>> im = np.dstack((r,g,b))
>>> Image.fromarray(im, mode='RGB').show()

5. 在漸變色背景上畫(huà)曲線(xiàn)

對(duì)圖像數(shù)組中的特定行列定位之后，再修改其顏色，就可以得到期望的結(jié)果。

>>> r = np.tile(np.linspace(192,255, 300, dtype=np.uint8), (600,1)).T
>>> g = np.tile(np.linspace(192,255, 600, dtype=np.uint8), (300,1))
>>> b = np.ones((300,600), dtype=np.uint8)*224
>>> im = np.dstack((r,g,b))
>>> x = np.arange(600)
>>> y = np.sin(np.linspace(0, 2*np.pi, 600))
>>> y = np.int32((y+1)*0.9*300/2 + 0.05*300)
>>> for i in range(0, 150, 6):
	im[y[:-i],(x+i)[:-i]] = np.array([255,0,255])
	
>>> Image.fromarray(im, mode='RGB').show()

6. 使用顏色映射（ColorMap）

顏色映射（ColorMap）是數(shù)據(jù)可視化必不可少的概念，枯燥無(wú)趣的數(shù)據(jù)正是經(jīng)過(guò)顏色映射之后才變得五顏六色、賞心悅目的。Matplotlib的cm子模塊提供了7大類(lèi)共計(jì)82種顏色映射表，每種映射表名字之后附加“_r” ，可以獲得該映射表的反轉(zhuǎn)版本。

下面是專(zhuān)屬定制類(lèi)中jet顏色映射表和分段階梯類(lèi)中Paired顏色映射表的色帶圖。

Matplotlib的cm子模塊使用起來(lái)也非常簡(jiǎn)單。下面的代碼有助于理解顏色映射（ColorMap）的機(jī)制、熟悉cm對(duì)象的使用方法。

>>> cm1 = mplcm.get_cmap('jet') # jet是專(zhuān)屬定制類(lèi)的ColorMap
>>> cm1.N # jet有256種顏色
256
>>> cm1(0) # 返回序號(hào)為0的顏色
(0.0, 0.0, 0.5, 1.0)
>>> cm1(128) # 返回序號(hào)為128的顏色
(0.4901960784313725, 1.0, 0.4775458570524984, 1.0)
>>> cm1(255) # 返回序號(hào)為255的顏色
(0.5, 0.0, 0.0, 1.0)
>>> cm2 = mplcm.get_cmap('Paired') # Paired是分段階梯類(lèi)的ColorMap
>>> cm2.N # Paired有12種顏色
12
>>> cm2(0) # 返回序號(hào)為0的顏色
(0.6509803921568628, 0.807843137254902, 0.8901960784313725, 1.0)
>>> cm2(11) # 返回序號(hào)為11的顏色
(0.6941176470588235, 0.34901960784313724, 0.1568627450980392, 1.0)

7. 展示NumPy的魅力

對(duì)于一幅圖像（假如圖像有9個(gè)像素寬7個(gè)像素高），可以很容易地得到由每個(gè)像素的行號(hào)組成的二維數(shù)組（以i表示），以及由每個(gè)像素的列號(hào)組成的二維數(shù)組（以j表示）。

>>> w, h = 9, 7
>>> i = np.repeat(np.arange(h), w).reshape(h, w)
>>> j = np.tile(np.arange(w), (h,1))
>>> i
array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2, 2, 2, 2, 2],
       [3, 3, 3, 3, 3, 3, 3, 3, 3],
       [4, 4, 4, 4, 4, 4, 4, 4, 4],
       [5, 5, 5, 5, 5, 5, 5, 5, 5],
       [6, 6, 6, 6, 6, 6, 6, 6, 6]])
>>> j
array([[0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8]])

稍加變換，就得到各個(gè)像素在以圖像中心點(diǎn)為原點(diǎn)的平面直角坐標(biāo)系里的坐標(biāo)。

>>> i = i - h//2
>>> j = j - w//2
>>> i
array([[-3, -3, -3, -3, -3, -3, -3, -3, -3],
       [-2, -2, -2, -2, -2, -2, -2, -2, -2],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 1,  1,  1,  1,  1,  1,  1,  1,  1],
       [ 2,  2,  2,  2,  2,  2,  2,  2,  2],
       [ 3,  3,  3,  3,  3,  3,  3,  3,  3]])
>>> j
array([[-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4]])

自然，也很容易計(jì)算出每個(gè)像素距離圖像中心的距離數(shù)組（以d表示）。下面的代碼使用np.hypot()函數(shù)完成距離計(jì)算，如果先求平方和再開(kāi)平方，也沒(méi)有問(wèn)題，只是不夠酷而已。

>>> d = np.hypot(i, j)
>>> d
array([[5.        , 4.24264069, 3.60555128, 3.16227766, 3.        ,
        3.16227766, 3.60555128, 4.24264069, 5.        ],
       [4.47213595, 3.60555128, 2.82842712, 2.23606798, 2.        ,
        2.23606798, 2.82842712, 3.60555128, 4.47213595],
       [4.12310563, 3.16227766, 2.23606798, 1.41421356, 1.        ,
        1.41421356, 2.23606798, 3.16227766, 4.12310563],
       [4.        , 3.        , 2.        , 1.        , 0.        ,
        1.        , 2.        , 3.        , 4.        ],
       [4.12310563, 3.16227766, 2.23606798, 1.41421356, 1.        ,
        1.41421356, 2.23606798, 3.16227766, 4.12310563],
       [4.47213595, 3.60555128, 2.82842712, 2.23606798, 2.        ,
        2.23606798, 2.82842712, 3.60555128, 4.47213595],
       [5.        , 4.24264069, 3.60555128, 3.16227766, 3.        ,
        3.16227766, 3.60555128, 4.24264069, 5.        ]])

設(shè)想一下，如果想將不同的距離使用jet顏色映射表映射為不同的顏色，圖像是什么樣子呢？如果再選取圖像中的某個(gè)特定區(qū)域，比如列號(hào)的平方小于10倍行號(hào)的全部像素，將選中區(qū)域各個(gè)點(diǎn)的距離使用Paired顏色映射表映射為不同的顏色，圖像又會(huì)變成什么樣子呢？下面用10行代碼實(shí)現(xiàn)了這一切。

>>> def draw_picture(w, h, cm1='jet', cm2='Paired'):
	cm1, cm2 = mplcm.get_cmap(cm1), mplcm.get_cmap(cm2)
	colormap1, colormap2 = np.array([cm1(k) for k in range(cm1.N)]), np.array([cm2(k) for k in range(cm2.N)])
	i, j = np.repeat(np.arange(h),w).reshape(h,w)-h//2, np.tile(np.arange(w), (h,1))-w//2
	d = np.hypot(i, j)
	e = d[(j*j/10)<i]
	d = np.int32((cm1.N-1)*(d-d.min())/(d.max()-d.min()))
	d = np.uint8(255*colormap1[d])
	e = np.int32((cm2.N-1)*(e-e.min())/(e.max()-e.min()))
	d[(j*j/10)<i] = np.uint8(255*colormap2[e])
	Image.fromarray(d).show()

	
>>> draw_picture(1200, 900, cm1='jet', cm2='Paired')

運(yùn)行上面的這段代碼，你就會(huì)看到本文開(kāi)頭所展示的那幅圖畫(huà)。這就是使用NumPy繪畫(huà)的核心技巧，融會(huì)貫通之后，相信你也能夠繪制出更漂亮、更絢麗的作品來(lái)。?

以上就是使用Python NumPy庫(kù)繪制漸變圖案的詳細(xì)內(nèi)容，更多關(guān)于Python NumPy繪制漸變圖案的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論