今天我来为大家分享一个有趣的可视化技巧,如何从图片中提取颜色然后绘制成可视化图表, 如下图所示,喜欢记得收藏、关注、点赞。
注:完整版代码、技术交流文末获取
在示例照片当中有着各种各样的颜色,我们将通过 Python
中的可视化模块以及 opencv
模块来识别出图片当中所有的颜色要素,并且将其添加到可视化图表的配色当中
; 导入模块并加载图片
那么按照惯例,第一步一般都是导入模块,可视化用到的模块是 matplotlib
模块,我们将图片中的颜色抽取出来之后会保存在颜色映射表中,所以要使用到 colormap
模块,同样也需要导入进来
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
然后我们先来加载一下图片,代码如下
input_name = 'test_1.png'
img = plt.imread(input_name)
plt.imshow(img)
plt.axis('off')
plt.show()
output
提取颜色并整合成表格
我们调用的是 extcolors
模块来从图片中提取颜色,输出的结果是 RGB
形式呈现出来的颜色,代码如下
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)
我们将上述的结果整合成一个 DataFrame
数据集,代码如下
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]
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
我们尝试调用上面我们自定义的函数,输出的结果至 DataFrame
数据集当中
df_color = color_to_df(colors_x)
df_color
output
绘制图表
接下来便是绘制图表的阶段了,用到的是 matplotlib
模块,代码如下
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
从出来的饼图中显示了每种不同颜色的占比,我们更进一步将原图放置在圆环当中,
imagebox = OffsetImage(img, zoom=2.3)
ab = AnnotationBbox(imagebox, (0, 0))
ax1.add_artist(ab)
output
最后制作一张调色盘,将原图中的各种不同颜色都罗列开来,代码如下
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
实战环节
这一块儿是实战环节,我们将上述所有的代码封装成一个完整的函数
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
如下方式,便可以获取本篇文章的所有代码
技术交流
目前开通了技术交流群,群友已超过 3000人,添加时最好的备注方式为:来源+兴趣方向,方便找到志同道合的朋友
- 方式①、发送如下图片至微信,长按识别,后台回复:加群;
- 方式②、添加微信号: dkl88191,备注:来自CSDN
- 方式③、微信搜索公众号: Python学习与数据挖掘,后台回复:加群
Original: https://blog.csdn.net/qq_34160248/article/details/125269536
Author: Python数据挖掘
Title: 妙不可言,Python 可视化竟可以这么玩啊
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/766506/
转载文章受原作者版权保护。转载请注明原作者出处!