作者 | 天元浪子

来源 | Python作业辅导员

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。

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

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

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

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(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()

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(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()

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。

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
256
>>> cm1(0) # 返回序号为0的颜色
(0.0, 0.0, 0.5, 1.0)
>>> cm1(128) # 返回序号为128的颜色
(0.4901960784313725, 1.0, 0.4775458570524984, 1.0)
>>> cm1(255) # 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
12
>>> cm2(0) # 返回序号为0的颜色
(0.6509803921568628, 0.807843137254902, 0.8901960784313725, 1.0)
>>> cm2(11) # 返回序号为11的颜色
(0.6941176470588235, 0.34901960784313724, 0.1568627450980392, 1.0)

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 = 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//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//2, np.tile(np.arange(w), (h,1))-w//2d = 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')

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。

更多精彩推荐
Arm收购进展、元宇宙、GPU涨价……听听黄仁勋怎么说深度学习教你重建赵丽颖的三维人脸程序员提前下班的福音来了！GitHub、OpenAI 联手推出 AI 代码生成神器点分享点收藏点点赞点在看