Python 颜色,python定义颜色

2022-08-25 02:17:07 分类：python 阅读()

　　Python 颜色,python定义颜色

　　本文主要介绍使用Python进行图像颜色量化。本文通过示例代码向您详细介绍，对您的学习或工作有一定的参考价值。有需要的朋友可以参考一下。

　　00-1010 1.选择图片2。创建脚本1。导入相关库2。创建方法3。完整代码。

　　

目录

　　首先选择一个图像。比如我会用下面这些海水和椰子树的照片。

　　

一、选择图片

　　

二、创建脚本

　　接下来，让我们导入extcolors和rgb2hex库。extcolors库返回RGB值，这些值将使用rgb2hex库转换为十六进制颜色代码。

　　将numpy作为np导入

　　进口熊猫作为pd

　　将matplotlib.pyplot作为plt导入

　　将matplotlib.patches作为修补程序导入

　　将matplotlib.image作为mpimg导入

　　从PIL进口图片

　　从matplotlib.offsetbox导入OffsetImage，AnnotationBbox

　　如果在导入这两个库的时候出现了一些错误，可以尝试安装一些必备的库让它们工作。这些库在下面的代码中。删除！#符号在pip前面，然后运行以安装它们。请不要删除版本号前的#号。它们只是笔记。

　　#!pip安装easydev #版本0.12.0

　　#!pip安装色彩映射表#版本1.0.4

　　#!pip安装opencv-python #版本4.5.5.64

　　#!pip安装colorgram.py #版本1.2.0

　　#!pip安装extcolors #版本1.0.0

　　导入cv2

　　导入外部颜色

　　从色彩映射表导入rgb2hex

　　

1、导入相关库

　　接下来，我将一步一步地解释如何创建颜色提取的函数。如果想直接得到函数，请对函数的定义进行评分。

　　调整图像大小

　　首先准备输入图像。用现代相机和手机拍的照片太大了。有些人可以拍摄超过5000万像素的照片(4K显示器只能显示大约830万像素)。如果我们直接使用巨幅图像，处理可能需要一些时间。

　　所以，首先要做的就是调整大小。下面的代码演示如何将图片的宽度调整为900像素。如果图像不是很大或者你的CPU很快，这一步可以省略，或者可以增加输出分辨率的数量。请注意，调整照片大小后，新照片将保存在您的计算机上，以供进一步阅读。

　　input_name=照片位置/名称

　　output _ width=900 #设置输出尺寸

　　img=Image.open(input_name)

　　wpercent=(output _ width/float(img . size[0])

　　hsize=int((float(img . size[1])* float(wpercent)))

　　img=img.resize((output_width，hsize)，Image。抗锯齿)

　　#保存

　　resize _ name= resize _ input _ name #调整大小后的图像名称

　　img . save(resize_name)#可以在resize _ name之前指定输出位置

　　#阅读

　　plt.figure(figsize=(9，9))

　　img_url=resize_name

　　img=plt.imread(img_u

　　rl)

　　plt.imshow(img)

　　plt.axis(off)

　　plt.show()

　　颜色提取

　　使用 extcolors 库提取颜色。 我们必须设置的参数：

　　容差：对颜色进行分组以限制输出并提供更好的视觉表示。 基于从 0 到 100 的比例。其中 0 不会对任何颜色进行分组，而 100 会将所有颜色归为一个。

　　限制：输出中呈现的提取颜色数量的上限。

　　在下面的代码中，我将公差值设置为 12，并将颜色代码输出的数量限制为 11 种颜色（limit=12）。 可以根据需要更改数字。 获得的结果将是 RGB 颜色代码及其出现。

　　

colors_x = extcolors.extract_from_path(img_url, tolerance = 12, limit = 12)
　　colors_x

　　使用 rgb2hex 库定义一个函数以将 RGB 代码转换为 HEX 颜色代码并创建一个 DataFrame。

　　

def color_to_df(input):
　　 colors_pre_list = str(input).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]
　　 #convert RGB to HEX code
　　 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
　　df_color = color_to_df(colors_x)
　　df_color

　　绘制图标

　　

list_color = list(df_color[c_code])
　　list_precent = [int(i) for i in list(df_color[occurence])]
　　text_c = [c + + str(round(p*100/sum(list_precent),1)) +% for c, p in zip(list_color,
　　 list_precent)]
　　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)
　　#create space in the center
　　plt.setp(wedges, width=0.36)
　　ax.set_aspect("equal")
　　fig.set_facecolor(white)
　　plt.show()

　　

　　

#create background color
　　fig, ax = plt.subplots(figsize=(192,108),dpi=10)
　　fig.set_facecolor(white)
　　plt.savefig(bg.png)
　　plt.close(fig)
　　#create color palette
　　bg = plt.imread(bg.png)
　　fig = plt.figure(figsize=(90, 90), dpi = 10)
　　ax = fig.add_subplot(1,1,1)
　　x_posi, y_posi, y_posi2 = 320, 25, 25
　　for c in list_color:
　　 if list_color.index(c) <= 5:
　　 y_posi += 125
　　 rect = patches.Rectangle((x_posi, y_posi), 290, 115, facecolor = c)
　　 ax.add_patch(rect)
　　 ax.text(x = x_posi+360, y = y_posi+80, s = c, fontdict={fontsize: 150})
　　 else:
　　 y_posi2 += 125
　　 rect = patches.Rectangle((x_posi + 800, y_posi2), 290, 115, facecolor = c)
　　 ax.add_artist(rect)
　　 ax.text(x = x_posi+1160, y = y_posi2+80, s = c, fontdict={fontsize: 150})
　　ax.axis(off)
　　plt.imshow(bg)
　　plt.tight_layout()

　　

　　

　　

三、完整代码

　　我为了省事，resize路径被写在程序了，请注意根据自己的情况修改。

　　

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
　　def color_to_df(input):
　　 colors_pre_list = str(input).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]
　　 # convert RGB to HEX code
　　 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
　　def exact_color(input_image, resize, tolerance, zoom):
　　 # background
　　 bg = bg.png
　　 fig, ax = plt.subplots(figsize=(192, 108), dpi=10)
　　 fig.set_facecolor(white)
　　 plt.savefig(bg)
　　 plt.close(fig)
　　 # resize
　　 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 = C:/Users/zyh/Desktop/resize_456.jpg
　　 img.save(resize_name)
　　 else:
　　 resize_name = input_image
　　 # crate dataframe
　　 img_url = resize_name
　　 colors_x = extcolors.extract_from_path(img_url, tolerance=tolerance, limit=13)
　　 df_color = color_to_df(colors_x)
　　 # annotate text
　　 list_color = list(df_color[c_code])
　　 list_precent = [int(i) for i in list(df_color[occurence])]
　　 text_c = [c + + str(round(p * 100 / sum(list_precent), 1)) + % for c, p in zip(list_color, list_precent)]
　　 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(160, 120), dpi=10)
　　 # donut plot
　　 wedges, text = ax1.pie(list_precent,
　　 labels=text_c,
　　 labeldistance=1.05,
　　 colors=list_color,
　　 textprops={fontsize: 150, color: black})
　　 plt.setp(wedges, width=0.3)
　　 # add image in the center of donut plot
　　 img = mpimg.imread(resize_name)
　　 imagebox = OffsetImage(img, zoom=zoom)
　　 ab = AnnotationBbox(imagebox, (0, 0))
　　 ax1.add_artist(ab)
　　 # color palette
　　 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})
　　 fig.set_facecolor(white)
　　 ax2.axis(off)
　　 bg = plt.imread(bg.png)
　　 plt.imshow(bg)
　　 plt.tight_layout()
　　 return plt.show()
　　exact_color(C:/Users/zyh/Desktop/456.jpg, 900, 12, 2.5)

　　运行结果如下

　　

　　到此这篇关于使用Python进行图像颜色量化的文章就介绍到这了,更多相关Python图像颜色量化内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

标签： python

相关文章阅读

  • 在python中定义类时实例方法,python定义类和方法
  • python创建多维空列表,python定义一个空的二维数组
  • python 建立多维数组,python定义二维数组案例
  • python定义画函数图像函数,如何绘制隐函数的图像
  • python定义私有属性的方法,python中的私有属性和私有方法如何表示
  • python中main函数是什么意思,python定义main
  • 用python定义一个求阶乘的函数,python中factorial函数
  • python四维矩阵,Python定义二维矩阵
  • python 0数组,python定义零数组
  • Python定义一个全局变量,HTML全局变量
  • python定义有参数的函数,简述python中函数参数的种类和定义方法
  • python控件布局常用三种方法,python定义了三种界面布局方式
  • python定义树,树的遍历python
  • python如何编写函数然后调用,python定义函数调用函数
  • python定义全局变量关键字,python global关键字
    • 留言与评论（共有 条评论）
       
    验证码：