如何使用Python?NumPy庫繪制漸變圖案

今天就跟大家聊聊有關如何使用Python NumPy庫繪制漸變圖案，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

NumPy也可以畫圖嗎？當然！NumPy不僅可以畫，還可以畫得更好、畫得更快！比如下面這幅畫，只需要10行代碼就可以畫出來。若能整明白這10行代碼，就意味著叩開了NumPy的大門。請打開你的Python IDLE，跟隨我的腳步，一起來體驗一下交互式編程的樂趣吧，看看如何用NumPy畫圖，以及用NumPy可以畫出什么樣的圖畫來。

1. 導入模塊

僅導入NumPy就可以完成繪畫過程，PIL的Image模塊只是用來顯示或者保存繪畫結果。若能邀請Matplotlib的ColorMap來幫忙的話，處理顏色就會輕松很多，色彩也會更豐富，但這并不意味著ColorMap是必需的。

>>> import numpy as np
>>> from PIL import Image
>>> from matplotlib import cm as mplcm

2. 基本繪畫流程

借助于Image.fromarray()函數，可以將NumPy生成的數組轉為PIL對象。PIL對象的show()方法可以直接顯示圖像，save()方法則可以將圖像保存為文件。這一系列的操作過程中，有一個非常關鍵的知識點：NumPy數組的類型必須是單字節無符號整型，即np.uint8或np.ubyte類型。下面的代碼使用NumPy的隨機子模塊random生成了100行300列的二維數組，轉換為寬300像素高100像素的隨機灰度圖并直接顯示出來。

>>> im = np.random.randint(0, 255, (100,300), dtype=np.uint8)
>>> im = Image.fromarray(im)
>>> im.show() # 或者im.save(r'd:\gray_300_100.jpg')保存為文件

3. 生成隨機彩色圖像

上面的代碼中，如果random生成的數組包含3個通道，就會得到一幅彩色的隨機圖像。

>>> im = np.random.randint(0, 255, (100,300,3), dtype=np.uint8)
>>> Image.fromarray(im, mode='RGB').show()

4. 生成漸變色圖像

np.linspace()函數類似于Python的range()函數，返回的是浮點數的等差序列，經過np.tile()重復之后，分別生成RGB通道的二維數組，再用np.dstack()合并成三維數組，最終輸出一幅漸變色圖像。

>>> r = np.tile(np.linspace(192,255, 300, dtype=np.uint8), (600,1)).T
>>> g = np.tile(np.linspace(192,255, 600, dtype=np.uint8), (300,1))
>>> b = np.ones((300,600), dtype=np.uint8)*224
>>> im = np.dstack((r,g,b))
>>> Image.fromarray(im, mode='RGB').show()

5. 在漸變色背景上畫曲線

對圖像數組中的特定行列定位之后，再修改其顏色，就可以得到期望的結果。

>>> r = np.tile(np.linspace(192,255, 300, dtype=np.uint8), (600,1)).T
>>> g = np.tile(np.linspace(192,255, 600, dtype=np.uint8), (300,1))
>>> b = np.ones((300,600), dtype=np.uint8)*224
>>> im = np.dstack((r,g,b))
>>> x = np.arange(600)
>>> y = np.sin(np.linspace(0, 2*np.pi, 600))
>>> y = np.int32((y+1)*0.9*300/2 + 0.05*300)
>>> for i in range(0, 150, 6):
	im[y[:-i],(x+i)[:-i]] = np.array([255,0,255])
	
>>> Image.fromarray(im, mode='RGB').show()

6. 使用顏色映射（ColorMap）

顏色映射（ColorMap）是數據可視化必不可少的概念，枯燥無趣的數據正是經過顏色映射之后才變得五顏六色、賞心悅目的。Matplotlib的cm子模塊提供了7大類共計82種顏色映射表，每種映射表名字之后附加“_r” ，可以獲得該映射表的反轉版本。

下面是專屬定制類中jet顏色映射表和分段階梯類中Paired顏色映射表的色帶圖。

Matplotlib的cm子模塊使用起來也非常簡單。下面的代碼有助于理解顏色映射（ColorMap）的機制、熟悉cm對象的使用方法。

>>> cm1 = mplcm.get_cmap('jet') # jet是專屬定制類的ColorMap
>>> cm1.N # jet有256種顏色
256
>>> cm1(0) # 返回序號為0的顏色
(0.0, 0.0, 0.5, 1.0)
>>> cm1(128) # 返回序號為128的顏色
(0.4901960784313725, 1.0, 0.4775458570524984, 1.0)
>>> cm1(255) # 返回序號為255的顏色
(0.5, 0.0, 0.0, 1.0)
>>> cm2 = mplcm.get_cmap('Paired') # Paired是分段階梯類的ColorMap
>>> cm2.N # Paired有12種顏色
12
>>> cm2(0) # 返回序號為0的顏色
(0.6509803921568628, 0.807843137254902, 0.8901960784313725, 1.0)
>>> cm2(11) # 返回序號為11的顏色
(0.6941176470588235, 0.34901960784313724, 0.1568627450980392, 1.0)

7. 展示NumPy的魅力

對于一幅圖像（假如圖像有9個像素寬7個像素高），可以很容易地得到由每個像素的行號組成的二維數組（以i表示），以及由每個像素的列號組成的二維數組（以j表示）。

>>> w, h = 9, 7
>>> i = np.repeat(np.arange(h), w).reshape(h, w)
>>> j = np.tile(np.arange(w), (h,1))
>>> i
array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2, 2, 2, 2, 2],
       [3, 3, 3, 3, 3, 3, 3, 3, 3],
       [4, 4, 4, 4, 4, 4, 4, 4, 4],
       [5, 5, 5, 5, 5, 5, 5, 5, 5],
       [6, 6, 6, 6, 6, 6, 6, 6, 6]])
>>> j
array([[0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8],
       [0, 1, 2, 3, 4, 5, 6, 7, 8]])

稍加變換，就得到各個像素在以圖像中心點為原點的平面直角坐標系里的坐標。

>>> i = i - h//2
>>> j = j - w//2
>>> i
array([[-3, -3, -3, -3, -3, -3, -3, -3, -3],
       [-2, -2, -2, -2, -2, -2, -2, -2, -2],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1],
       [ 0,  0,  0,  0,  0,  0,  0,  0,  0],
       [ 1,  1,  1,  1,  1,  1,  1,  1,  1],
       [ 2,  2,  2,  2,  2,  2,  2,  2,  2],
       [ 3,  3,  3,  3,  3,  3,  3,  3,  3]])
>>> j
array([[-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-4, -3, -2, -1,  0,  1,  2,  3,  4]])

自然，也很容易計算出每個像素距離圖像中心的距離數組（以d表示）。下面的代碼使用np.hypot()函數完成距離計算，如果先求平方和再開平方，也沒有問題，只是不夠酷而已。

>>> d = np.hypot(i, j)
>>> d
array([[5.        , 4.24264069, 3.60555128, 3.16227766, 3.        ,
        3.16227766, 3.60555128, 4.24264069, 5.        ],
       [4.47213595, 3.60555128, 2.82842712, 2.23606798, 2.        ,
        2.23606798, 2.82842712, 3.60555128, 4.47213595],
       [4.12310563, 3.16227766, 2.23606798, 1.41421356, 1.        ,
        1.41421356, 2.23606798, 3.16227766, 4.12310563],
       [4.        , 3.        , 2.        , 1.        , 0.        ,
        1.        , 2.        , 3.        , 4.        ],
       [4.12310563, 3.16227766, 2.23606798, 1.41421356, 1.        ,
        1.41421356, 2.23606798, 3.16227766, 4.12310563],
       [4.47213595, 3.60555128, 2.82842712, 2.23606798, 2.        ,
        2.23606798, 2.82842712, 3.60555128, 4.47213595],
       [5.        , 4.24264069, 3.60555128, 3.16227766, 3.        ,
        3.16227766, 3.60555128, 4.24264069, 5.        ]])

設想一下，如果想將不同的距離使用jet顏色映射表映射為不同的顏色，圖像是什么樣子呢？如果再選取圖像中的某個特定區域，比如列號的平方小于10倍行號的全部像素，將選中區域各個點的距離使用Paired顏色映射表映射為不同的顏色，圖像又會變成什么樣子呢？下面用10行代碼實現了這一切。

>>> def draw_picture(w, h, cm1='jet', cm2='Paired'):
	cm1, cm2 = mplcm.get_cmap(cm1), mplcm.get_cmap(cm2)
	colormap1, colormap2 = np.array([cm1(k) for k in range(cm1.N)]), np.array([cm2(k) for k in range(cm2.N)])
	i, j = np.repeat(np.arange(h),w).reshape(h,w)-h//2, np.tile(np.arange(w), (h,1))-w//2
	d = np.hypot(i, j)
	e = d[(j*j/10)<i]
	d = np.int32((cm1.N-1)*(d-d.min())/(d.max()-d.min()))
	d = np.uint8(255*colormap1[d])
	e = np.int32((cm2.N-1)*(e-e.min())/(e.max()-e.min()))
	d[(j*j/10)<i] = np.uint8(255*colormap2[e])
	Image.fromarray(d).show()

	
>>> draw_picture(1200, 900, cm1='jet', cm2='Paired')

看完上述內容，你們對如何使用Python NumPy庫繪制漸變圖案有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。