這么漂亮的圖畫(huà)，竟然是用NumPy畫(huà)出來(lái)的？
?NumPy也可以畫(huà)圖嗎？當(dāng)然！NumPy不僅可以畫(huà)，還可以畫(huà)得更好、畫(huà)得更快！比如下面這幅畫(huà)，只需要10行代碼就可以畫(huà)出來(lái)。若能整明白這10行代碼，就意味著叩開(kāi)了NumPy的大門(mén)。請(qǐng)打開(kāi)你的Python IDLE，跟隨我的腳步，一起來(lái)體驗(yàn)一下交互式編程的樂(lè)趣吧，看看如何用NumPy畫(huà)圖，以及用NumPy可以畫(huà)出什么樣的圖畫(huà)來(lái)。
1. 導(dǎo)入模塊
僅導(dǎo)入NumPy就可以完成繪畫(huà)過(guò)程，PIL的Image模塊只是用來(lái)顯示或者保存繪畫(huà)結(jié)果。若能邀請(qǐng)Matplotlib的ColorMap來(lái)幫忙的話，處理顏色就會(huì)輕松很多，色彩也會(huì)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(huà)流程
借助于Image.fromarray()函數(shù)，可以將NumPy生成的數(shù)組轉(zhuǎn)為PIL對(duì)象。PIL對(duì)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(guò)程中，有一個(gè)非常關(guān)鍵的知識(shí)點(diǎn)：NumPy數(shù)組的類(lèi)型必須是單字節(jié)無(wú)符號(hào)整型，即np.uint8或np.ubyte類(lèi)型。下面的代碼使用NumPy的隨機(jī)子模塊random生成了100行300列的二維數(shù)組，轉(zhuǎn)換為寬300像素高100像素的隨機(jī)灰度圖并直接顯示出來(lái)。
?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(jī)彩色圖像
上面的代碼中，如果random生成的數(shù)組包含3個(gè)通道，就會(huì)得到一幅彩色的隨機(jī)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(shù)類(lèi)似于Python的range()函數(shù)，返回的是浮點(diǎn)數(shù)的等差序列，經(jīng)過(guò)np.tile()重復(fù)之后，分別生成RGB通道的二維數(shù)組，再用np.dstack()合并成三維數(shù)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(huà)曲線
對(duì)圖像數(shù)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(jié)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(shù)據(jù)可視化必不可少的概念，枯燥無(wú)趣的數(shù)據(jù)正是經(jīng)過(guò)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(lèi)共計(jì)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(zhuǎn)版本。
類(lèi)別顏色映射表 |------ 視覺(jué)均勻類(lèi)viridis, plasma, inferno, magma, cividis 單調(diào)變化類(lèi)Greys, Purples, Blues, Greens, Oranges, Reds, YlOrBr, YlOrRd, OrRd, PuRd, RdPu, BuPu, GnBu, PuBu, YlGnBu, PuBuGn, BuGn, YlGn 近似單調(diào)類(lèi)binary, gist_yarg, gist_gray, gray, bone, pink, spring, summer, autumn, winter, cool, Wistia, hot, afmhot, gist_heat, copper 亮度發(fā)散類(lèi)PiYG, PRGn, BrBG, PuOr, RdGy, RdBu, RdYlBu, RdYlGn, Spectral, coolwarm, bwr, seismic 顏色循環(huán)類(lèi)twilight, twilight_shifted, hsv 分段階梯類(lèi)Pastel1, Pastel2, Paired, Accent, Dark2, Set1, Set2, Set3, tab10, tab20, tab20b, tab20c 專屬定制類(lèi)flag, prism, ocean, gist_earth, terrain, gist_stern, gnuplot, gnuplot2, CMRmap, cubehelix, brg, gist_rainbow, rainbow, jet, nipy_spectral, gist_ncar下面是專屬定制類(lèi)中jet顏色映射表和分段階梯類(lèi)中Paired顏色映射表的色帶圖。
Matplotlib的cm子模塊使用起來(lái)也非常簡(jiǎn)單。下面的代碼有助于理解顏色映射（ColorMap）的機(jī)制、熟悉cm對(duì)象的使用方法。
>>>?cm1?=?mplcm.get_cmap('jet')?#?jet是專屬定制類(lèi)的ColorMap
>>>?cm1.N?#?jet有256種顏色
256
>>>?cm1(0)?#?返回序號(hào)為0的顏色
(0.0,?0.0,?0.5,?1.0)
>>>?cm1(128)?#?返回序號(hào)為128的顏色
(0.4901960784313725,?1.0,?0.4775458570524984,?1.0)
>>>?cm1(255)?#?返回序號(hào)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(lèi)的ColorMap
>>>?cm2.N?#?Paired有12種顏色
12
>>>?cm2(0)?#?返回序號(hào)為0的顏色
(0.6509803921568628,?0.807843137254902,?0.8901960784313725,?1.0)
>>>?cm2(11)?#?返回序號(hào)為11的顏色
(0.6941176470588235,?0.34901960784313724,?0.1568627450980392,?1.0)
7. 展示NumPy的魅力
對(duì)于一幅圖像（假如圖像有9個(gè)像素寬7個(gè)像素高），可以很容易地得到由每個(gè)像素的行號(hào)組成的二維數(shù)組（以i表示），以及由每個(gè)像素的列號(hào)組成的二維數(shù)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(gè)像素在以圖像中心點(diǎn)為原點(diǎn)的平面直角坐標(biāo)系里的坐標(biāo)。
>>>?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(jì)算出每個(gè)像素距離圖像中心的距離數(shù)組（以d表示）。下面的代碼使用np.hypot()函數(shù)完成距離計(jì)算，如果先求平方和再開(kāi)平方，也沒(méi)有問(wèn)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(shè)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(gè)特定區(qū)域，比如列號(hào)的平方小于10倍行號(hào)的全部像素，將選中區(qū)域各個(gè)點(diǎn)的距離使用Paired顏色映射表映射為不同的顏色，圖像又會(huì)變成什么樣子呢？下面用10行代碼實(shí)現(xiàn)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')
運(yùn)行上面的這段代碼，你就會(huì)看到本文開(kāi)頭所展示的那幅圖畫(huà)。這就是使用NumPy繪畫(huà)的核心技巧，融會(huì)貫通之后，相信你也能夠繪制出更漂亮、更絢麗的作品來(lái)。
Python“寶藏級(jí)”公眾號(hào)【Python之王】專注于Python領(lǐng)域，會(huì)爬蟲(chóng)，數(shù)分，C++，tensorflow和Pytorch等等。
近 2年共原創(chuàng) 100+ 篇技術(shù)文章。創(chuàng)作的精品文章系列有：
日常收集整理了一批不錯(cuò)的?Python?學(xué)習(xí)資料，有需要的小伙可以自行免費(fèi)領(lǐng)取。
獲取方式如下：公眾號(hào)回復(fù)資料。領(lǐng)取Python等系列筆記，項(xiàng)目，書(shū)籍，直接套上模板就可以用了。資料包含算法、python、算法小抄、力扣刷題手冊(cè)和 C++ 等學(xué)習(xí)資料！