分享一个趣味性十足的 Python 可视化技巧

AI科技大本营
2022年6月15日06时

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：

importnumpyasnp
importpandasaspd
importmatplotlib.pyplotasplt
importmatplotlib.patchesaspatches
importmatplotlib.imageasmpimg

fromPILimportImage
frommatplotlib.offsetboximportOffsetImage,AnnotationBbox

importcv2
importextcolors
fromcolormapimportrgb2hex

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：

defcolor_to_df(input_color):
colors_pre_list=str(input_color).replace('([(','').split(',(')[0:-1]
df_rgb=[i.split('),')[0]+')'foriincolors_pre_list]
df_percent=[i.split('),')[1].replace(')','')foriincolors_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(")","")))foriindf_rgb]

df=pd.DataFrame(zip(df_color_up,df_percent),columns=['c_code','occurence'])
returndf

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
forcinlist_color:
iflist_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：

defexact_color(input_image,resize,tolerance,zoom):

output_width=resize
img=Image.open(input_image)
ifimg.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()
returnplt.show()

exact_color('test_2.png',900,12,2.5)