導入模塊並加載圖片
提取顏色並整合成表格
繪制圖表
實戰環節
今天小編來為大家分享一個有趣的可視化技巧,如何從圖片中提取顏色然後繪制成可視化圖表,如下圖所示
在示例照片當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中所有的顏色要素,並且將其添加到可視化圖表的配色當中
那麼按照慣例,第一步一般都是導入模塊,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後會保存在顏色映射表中,所以要使用到colormap
模塊,同樣也需要導入進來
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.patches as patchesimport matplotlib.image as mpimgfrom PIL import Imagefrom matplotlib.offsetbox import OffsetImage, AnnotationBboximport cv2import extcolorsfrom colormap import rgb2hex
然後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
提取顏色並整合成表格我們調用的是extcolors
模塊來從圖片中提取顏色,輸出的結果是RGB
形式呈現出來的顏色,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)
我們將上述的結果整合成一個DataFrame
數據集,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
我們嘗試調用上面我們自定義的函數,輸出的結果至DataFrame
數據集當中
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當中,
imagebox = OffsetImage(img, zoom=2.3)ab = AnnotationBbox(imagebox, (0, 0))ax1.add_artist(ab)
output
最後制作一張調色盤,將原圖中的各種不同顏色都羅列開來,代碼如下
## 調色盤x_posi, y_posi, y_posi2 = 160, -170, -170for 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
實戰環節這一塊兒是實戰環節,我們將上述所有的代碼封裝成一個完整的函數
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
以上就是Python實現提取圖片中顏色並繪制成可視化圖表的詳細內容,更多關於Python提取圖片顏色的資料請關注軟件開發網其它相關文章!