Python可視化調(diào)色盤如何繪制

本篇內(nèi)容主要講解“Python可視化調(diào)色盤如何繪制”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“Python可視化調(diào)色盤如何繪制”吧!

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，我們更進一步將原圖放置在圓環(huán)當中，

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：

實戰(zhàn)環(huán)節(jié)

這一塊兒是實戰(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，相信大家對“Python可視化調(diào)色盤如何繪制”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！