Numpy 可视化绘图
大家好,我是 Peter~
在之前的文章介绍过 Numpy 数组基本创建和可视化过程,没有想到 Numpy 还可以直接绘图
当然!NumPy 不仅可以画,还可以画得更好、画得更快!比如下面这幅画,只需要 10 行代码就可以画出来。若能整明白这 10 行代码,就意味着叩开了 NumPy 的大门。
下面通过例子来看看如何用 NumPy 画图,以及用 NumPy 可以画出什么样的图画来。
1. 导入模块
仅导入 NumPy 就可以完成绘画过程,PIL 的 Image 模块只是用来显示或者保存绘画结果。若能邀请 Matplotlib 的 ColorMap 来帮忙的话,处理颜色就会轻松很多,色彩也会更丰富,但这并不意味着 ColorMap 是必需的。
2. 基本绘画流程
借助于 Image.fromarray()函数,可以将 NumPy 生成的数组对象转成 PIL 绘图所需的对象。
PIL 对象的 show()方法可以直接显示图像
save()方法则可以将图像保存为文件
在这个操作需要注意的一点是:NumPy 数组的类型必须是单字节无符号整型,即 np.uint8 或 np.ubyte 类型。
下面的代码使用 NumPy 的随机子模块 random 生成了 100 行 300 列的二维数组,转换为宽 300 像素高 100 像素的随机灰度图并直接显示出来。
3. 生成随机彩色图像
上面的代码中,如果 random 生成的数组包含 3 个通道,就会得到一幅彩色的随机图像。
4. 生成渐变色图像
np.linspace()函数类似于 Python 的 range()函数,返回的是浮点数的等差序列,经过 np.tile()重复之后,分别生成 RGB 通道的二维数组,再用 np.dstack()合并成三维数组,最终输出一幅渐变色图像。
5. 在渐变色背景上画曲线
对图像数组中的特定行列定位之后,再修改其颜色,就可以得到期望的结果。
6. 使用颜色映射(ColorMap)
颜色映射(ColorMap)是数据可视化必不可少的概念,枯燥无趣的数据正是经过颜色映射之后才变得五颜六色、赏心悦目的。
Matplotlib 的 cm 子模块提供了 7 大类共计 82 种颜色映射表,每种映射表名字之后附加“_r” ,可以获得该映射表的反转版本。
视觉均匀类 viridis, plasma, inferno, magma, cividis
单调变化类 Greys, Purples, Blues, Greens, Oranges, Reds, YlOrBr, YlOrRd, OrRd, PuRd, RdPu, BuPu, GnBu, PuBu, YlGnBu, PuBuGn, BuGn, YlGn
近似单调类 binary, gist_yarg, gist_gray, gray, bone, pink, spring, summer, autumn, winter, cool, Wistia, hot, afmhot, gist_heat, copper
亮度发散类 PiYG, PRGn, BrBG, PuOr, RdGy, RdBu, RdYlBu, RdYlGn, Spectral, coolwarm, bwr, seismic
颜色循环类 twilight, twilight_shifted, hsv
分段阶梯类 Pastel1, Pastel2, Paired, Accent, Dark2, Set1, Set2, Set3, tab10, tab20, tab20b, tab20c
专属定制类 flag, prism, ocean, gist_earth, terrain, gist_stern, gnuplot, gnuplot2, CMRmap, cubehelix, brg, gist_rainbow, rainbow, jet, nipy_spectral, gist_ncar
下面是专属定制类中 jet 颜色映射表和分段阶梯类中 Paired 颜色映射表的色带图。
Matplotlib 的 cm 子模块使用起来也非常简单。下面的代码有助于理解颜色映射(ColorMap)的机制、熟悉 cm 对象的使用方法。
7. 展示 NumPy 的魅力
对于一幅图像(假如图像有 9 个像素宽 7 个像素高),可以很容易地得到由每个像素的行号组成的二维数组(以 i 表示),以及由每个像素的列号组成的二维数组(以 j 表示)。
稍加变换,就得到各个像素在以图像中心点为原点的平面直角坐标系里的坐标。
自然,也很容易计算出每个像素距离图像中心的距离数组(以 d 表示)。
下面的代码使用 np.hypot()函数完成距离计算,如果先求平方和再开平方,也没有问题,只是不够酷而已。
设想一下,如果想将不同的距离使用 jet 颜色映射表映射为不同的颜色,图像是什么样子呢?
如果再选取图像中的某个特定区域,比如列号的平方小于 10 倍行号的全部像素,将选中区域各个点的距离使用 Paired 颜色映射表映射为不同的颜色,图像又会变成什么样子呢?下面用 10 行代码实现了这一切。
运行上面的这段代码,你就会看到本文开头所展示的那幅图画。这就是使用 NumPy 绘画的核心技巧,融会贯通之后,相信你也能够绘制出更漂亮、更绚丽的作品来。
版权声明: 本文为 InfoQ 作者【Peter】的原创文章。
原文链接:【http://xie.infoq.cn/article/5b6ee0de6145a940e5fe18d35】。文章转载请联系作者。
评论