这么漂亮的图画，竟然是用NumPy画出来的？请跟我来，10行代码玩转NumPy！
这么漂亮的图画，竟然是用NumPy画出来的？请跟我来，10行代码玩转NumPy！
NumPy也可以画图吗？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。请打开你的Python IDLE，跟随我的脚步，一起来体验一下交互式编程的乐趣吧，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。
>>> import numpy as np
>>> from PIL import Image
>>> from matplotlib import cm as mplcm
2. 基本绘画流程
借助于Image.fromarray()函数，可以将NumPy生成的数组转为PIL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。这一系列的操作过程中，有一个非常关键的知识点：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。
>>> im = np.random.randint(, , (,), dtype=np.uint8)
>>> im = Image.fromarray(im)
>>> im.show() # 或者im.save(r'd:\gray_300_100.jpg')保存为文件
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。
>>> im = np.random.randint(, , (,,), dtype=np.uint8)
>>> Image.fromarray(im, mode='RGB').show()
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。
>>> r = np.tile(np.linspace(,, , dtype=np.uint8), (,)).T
>>> g = np.tile(np.linspace(,, , dtype=np.uint8), (,))
>>> b = np.ones((,), dtype=np.uint8)*
>>> im = np.dstack((r,g,b))
>>> Image.fromarray(im, mode='RGB').show()
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。
>>> r = np.tile(np.linspace(,, , dtype=np.uint8), (,)).T
>>> g = np.tile(np.linspace(,, , dtype=np.uint8), (,))
>>> b = np.ones((,), dtype=np.uint8)*
>>> im = np.dstack((r,g,b))
>>> x = np.arange()
>>> y = np.sin(np.linspace(, *np.pi, ))
>>> y = np.int32((y+)*0.9*/ + 0.05*)
>>> for i in range(, , ):
im[y[:-i],(x+i)[:-i]] = np.array([,,])
>>> Image.fromarray(im, mode='RGB').show()
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。
类别 | 颜色映射表 |
|---|---|
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。
>>> cm1 = mplcm.get_cmap('jet') # jet是专属定制类的ColorMap
>>> cm1.N # jet有256种颜色
>>> cm1() # 返回序号为0的颜色
(0.0, 0.0, 0.5, 1.0)
>>> cm1() # 返回序号为128的颜色
(0.4901960784313725, 1.0, 0.4775458570524984, 1.0)
>>> cm1() # 返回序号为255的颜色
(0.5, 0.0, 0.0, 1.0)
>>> cm2 = mplcm.get_cmap('Paired') # Paired是分段阶梯类的ColorMap
>>> cm2.N # Paired有12种颜色
>>> cm2() # 返回序号为0的颜色
(0.6509803921568628, 0.807843137254902, 0.8901960784313725, 1.0)
>>> cm2() # 返回序号为11的颜色
(0.6941176470588235, 0.34901960784313724, 0.1568627450980392, 1.0)
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）。
>>> w, h = ,
>>> i = np.repeat(np.arange(h), w).reshape(h, w)
>>> j = np.tile(np.arange(w), (h,))
>>> i
array([[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ]])
>>> j
array([[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ],
[, , , , , , , , ]])
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。
>>> i = i - h//
>>> j = j - w//
>>> 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],
[ , , , , , , , , ],
[ , , , , , , , , ],
[ , , , , , , , , ],
[ , , , , , , , , ]])
>>> j
array([[-4, -3, -2, -1, , , , , ],
[-4, -3, -2, -1, , , , , ],
[-4, -3, -2, -1, , , , , ],
[-4, -3, -2, -1, , , , , ],
[-4, -3, -2, -1, , , , , ],
[-4, -3, -2, -1, , , , , ],
[-4, -3, -2, -1, , , , , ]])
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。
>>> 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. ]])
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。
>>> 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//, np.tile(np.arange(w), (h,))-w//
d = np.hypot(i, j)
e = d[(j*j/)<i]
d = np.int32((cm1.N-1)*(d-d.min())/(d.max()-d.min()))
d = np.uint8(*colormap1[d])
e = np.int32((cm2.N-1)*(e-e.min())/(e.max()-e.min()))
d[(j*j/)<i] = np.uint8(*colormap2[e])
Image.fromarray(d).show()
>>> draw_picture(, , cm1='jet', cm2='Paired')
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。
腾讯云开发者
