欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python 可視化調(diào)色盤繪制

 更新時(shí)間：2022年06月14日 11:46:06   作者：Python數(shù)據(jù)挖掘  
這篇文章主要介紹了Python 可視化調(diào)色盤繪制，文章首先通過導(dǎo)入模塊并加載圖片展開全文介紹，具有一定的參考價(jià)值，需要的朋友可以參考一下

在示例照片當(dāng)中有著各種各樣的顏色，我們將通過Python中的可視化模塊以及opencv模塊來識別出圖片當(dāng)中所有的顏色要素，并且將其添加到可視化圖表的配色當(dāng)中

導(dǎo)入模塊并加載圖片

那么按照慣例，第一步一般都是導(dǎo)入模塊，可視化用到的模塊是matplotlib模塊，我們將圖片中的顏色抽取出來之后會保存在顏色映射表中，所以要使用到colormap模塊，同樣也需要導(dǎo)入進(jìn)來

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.image as mpimg

from PIL import Image
from matplotlib.offsetbox import OffsetImage, AnnotationBbox

import cv2
import extcolors
from colormap import rgb2hex

然后我們先來加載一下圖片，代碼如下：

input_name = 'test_1.png'
img = plt.imread(input_name)
plt.imshow(img)
plt.axis('off')
plt.show()

output：

提取顏色并整合成表格

我們調(diào)用的是extcolors模塊來從圖片中提取顏色，輸出的結(jié)果是RGB形式呈現(xiàn)出來的顏色，代碼如下

colors_x = extcolors.extract_from_path(img_url, tolerance=12, limit = 12)
colors_x

output：

([((3, 107, 144), 180316),
  ((17, 129, 140), 139930),
  ((89, 126, 118), 134080),
  ((125, 148, 154), 20636),
  ((63, 112, 126), 18728),
  ((207, 220, 226), 11037),
  ((255, 255, 255), 7496),
  ((28, 80, 117), 4972),
  ((166, 191, 198), 4327),
  ((60, 150, 140), 4197),
  ((90, 94, 59), 3313),
  ((56, 66, 39), 1669)],
 538200)

我們將上述的結(jié)果整合成一個DataFrame數(shù)據(jù)集，代碼如下：

def color_to_df(input_color):
    colors_pre_list = str(input_color).replace('([(', '').split(', (')[0:-1]
    df_rgb = [i.split('), ')[0] + ')' for i in colors_pre_list]
    df_percent = [i.split('), ')[1].replace(')', '') for i in colors_pre_list]

    # 將RGB轉(zhuǎn)換成十六進(jìn)制的顏色
    df_color_up = [rgb2hex(int(i.split(", ")[0].replace("(", "")),
                           int(i.split(", ")[1]),
                           int(i.split(", ")[2].replace(")", ""))) for i in df_rgb]

    df = pd.DataFrame(zip(df_color_up, df_percent), columns=['c_code', 'occurence'])
    return df

我們嘗試調(diào)用上面我們自定義的函數(shù)，輸出的結(jié)果至DataFrame數(shù)據(jù)集當(dāng)中

df_color = color_to_df(colors_x)
df_color

output：

繪制圖表

接下來便是繪制圖表的階段了，用到的是matplotlib模塊，代碼如下：

fig, ax = plt.subplots(figsize=(90,90),dpi=10)
wedges, text = ax.pie(list_precent,
                      labels= text_c,
                      labeldistance= 1.05,
                      colors = list_color,
                      textprops={'fontsize': 120, 'color':'black'}
                     )
plt.setp(wedges, width=0.3)
ax.set_aspect("equal")
fig.set_facecolor('white')
plt.show()

output：

從出來的餅圖中顯示了每種不同顏色的占比，我們更進(jìn)一步將原圖放置在圓環(huán)當(dāng)中，

imagebox = OffsetImage(img, zoom=2.3)
ab = AnnotationBbox(imagebox, (0, 0))
ax1.add_artist(ab)

output：

最后制作一張調(diào)色盤，將原圖中的各種不同顏色都羅列開來，代碼如下：

## 調(diào)色盤
x_posi, y_posi, y_posi2 = 160, -170, -170
for c in list_color:
    if list_color.index(c) <= 5:
        y_posi += 180
        rect = patches.Rectangle((x_posi, y_posi), 360, 160, facecolor = c)
        ax2.add_patch(rect)
        ax2.text(x = x_posi+400, y = y_posi+100, s = c, fontdict={'fontsize': 190})
    else:
        y_posi2 += 180
        rect = patches.Rectangle((x_posi + 1000, y_posi2), 360, 160, facecolor = c)
        ax2.add_artist(rect)
        ax2.text(x = x_posi+1400, y = y_posi2+100, s = c, fontdict={'fontsize': 190})

ax2.axis('off')
fig.set_facecolor('white')
plt.imshow(bg)
plt.tight_layout()

output：

實(shí)戰(zhàn)環(huán)節(jié)

這一塊兒是實(shí)戰(zhàn)環(huán)節(jié)，我們將上述所有的代碼封裝成一個完整的函數(shù)：

def exact_color(input_image, resize, tolerance, zoom):
    output_width = resize
    img = Image.open(input_image)
    if img.size[0] >= resize:
        wpercent = (output_width/float(img.size[0]))
        hsize = int((float(img.size[1])*float(wpercent)))
        img = img.resize((output_width,hsize), Image.ANTIALIAS)
        resize_name = 'resize_'+ input_image
        img.save(resize_name)
    else:
        resize_name = input_image

    fig.set_facecolor('white')
    ax2.axis('off')
    bg = plt.imread('bg.png')
    plt.imshow(bg)
    plt.tight_layout()
    return plt.show()
exact_color('test_2.png', 900, 12, 2.5)

output：

到此這篇關(guān)于Python 可視化調(diào)色盤繪制的文章就介紹到這了,更多相關(guān)Python 可視化 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評論