Python實(shí)現(xiàn)提取圖片中顏色并繪制成可視化圖表

更新時(shí)間：2022年07月01日 09:32:41 作者：俊欣

今天小編來為大家分享一個(gè)有趣的可視化技巧，就是如何利用Python語言實(shí)現(xiàn)從圖片中提取顏色然后繪制成可視化圖表，感興趣的可以嘗試一下

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(gè)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(gè)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