酷应用

分享一个趣味性十足的 Python 可视化技巧

百家作者：AI100 2022-06-15 19:12:51

作者 | 俊欣

来源 | 关于数据分析与可视化

今天小编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

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]

????#?将RGB转换成十六进制的颜色
????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：

##?调色盘
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)