大家好,我是阳哥
我们在利用Python进行数据可视化时,有着大量的高质量库可以用,比如:Matplotlib、seaborn、Plotly、Bokeh、ggplot等等。但图表好不好看,配色占一半。如果没有良好的审美观,很容易做出来的东西辣眼睛……
所以想做好数据可视化,就要有合适的配色方案。除了可以借鉴参考配色网站的案例,也可以自己自定义一套配色方案。
![9c26cce84d804974c4607a8f9d32d545.png](https://i-blog.csdnimg.cn/blog_migrate/c62e53b7a612f78e673060cc9c9b9af0.png)
如何去自定义呢?
我倒是有一个想法,配色的美感需要培养,但在一开始可以在优秀的作品上寻找灵感,比如经典电影、海报、风景图、Logo等等,这些都是绝佳的参考。
自然风景的颜色往往令人惊艳,咱们不妨以风景图为例。下图是一副海上夕阳图,通过一番操作就提取到了一套配色方案(见图右)。
![b3082384d7a415573e92b1a9eec048c1.png](https://i-blog.csdnimg.cn/blog_migrate/e7f021d10c69cc62bf9427fd8325751b.png)
那么,我们用Python能不能做到呢?
答案当然是可以,毕竟Python除了不能生孩子,什么都能做!
提取图片中的配色
在Python中对图片进行操作,最常用的两个模块就是PIL和opencv了。所以一开始我的方案是,用Python库打开图片,然后遍历像素颜色,最后按照色彩比例进行排序,即可得到该图片的配色方案。
结果做到一半,我发现自己忽略了一件事。大家都知道,Python 是一门优雅的语言,简洁的语法,强大的功能。同时它还有拥有极其丰富的第三方库,这些库几乎都可以在github 或者 pypi上找到源码。
于是我搜了一下,确实有相关的库可以提取图片中的配色,那我们就不用重复造轮子了。
这个模块就是——Haishoku,可以用于从图像中获取主色调和主要配色方案。
![5f8efe1db91bd9facd94c3b5e84677ba.png](https://i-blog.csdnimg.cn/blog_migrate/6a5711197755cb6bde00aa6fe900afed.png)
其GitHub网址为:https://github.com/LanceGin/haishoku
![b190c012ed5c54fc91e027c2b9a8d570.png](https://i-blog.csdnimg.cn/blog_migrate/f6caac86c1de9c310a646aae3696c062.png)
具体用法,还是先安装
pip install haishoku
将前文提到的海上夕阳图,保存到本地并命名为test.png
。
from haishoku.haishoku import Haishoku
image = 'test.png'
haishoku = Haishoku.loadHaishoku(image)
导入模块,运行代码会返回一个Haishoku实例,你可以通过实例属性haishoku.dominant
和 haishoku.palette
,从而直接获取到对应的主色调和配色方案。
主色调
首先,要怎么获取图片的主色调呢?
print(haishoku.dominant)
这返回了一个结构为 (R, G, B) 的元组,就是该图片的主色调。
![ab4ae6b7d5de62382975ccef1ba506d6.png](https://i-blog.csdnimg.cn/blog_migrate/a75224181330eb75328eb8f8aadbd452.png)
运行下面这行代码
Haishoku.showDominant(image)
则会打开一个临时文件,用来预览主色调的颜色。
![37e73d5b0bbe9f442b20b945584a56f1.png](https://i-blog.csdnimg.cn/blog_migrate/1b52f276f9e7d143a28d92465649c54d.png)
配色方案
#获取配色方案
pprint.pprint(haishoku.palette)
返回一个结构为:[(R, G, B), (R, G, B), …] 最大长度为8的数组。
![94c407c80f9a59e99674a8330d4f25b3.png](https://i-blog.csdnimg.cn/blog_migrate/e2a6094f7fa94fbb773ef4ebfab45799.png)
这里使用了pprint
模块,对于这种多层嵌套的元组,正好可以美观地打印出来。
运行下面这行代码
Haishoku.showPalette(image)
则会打开一个临时文件,用来预览图片配色方案。(不会保存在本地)
![4b0db270fc45d9a36e4ddcca560f5d1b.png](https://i-blog.csdnimg.cn/blog_migrate/e078465a9e98f0dddde0fab3c9e4fabd.png)
就这样,只需几行代码就提取到图片中的配色方案,是不是很简单。
另外,Haishoku库从v1.1.4
版本后,支持从 url 中直接加载图像。
imagepath = 'https://img-blog.csdnimg.cn/20190222215216318.png'
haishoku = Haishoku.loadHaishoku(imagepath)
配色方案与可视化
通过前面的操作,我们就提取到了合适的配色,那么就实战一下吧。
经典电影、海报、风景图、Logo都是绝佳的参考对象。
![6bff586c1cba6bd1c8b98512a93b10fc.png](https://i-blog.csdnimg.cn/blog_migrate/1b5a3583983eae381aa133a8e9782a4c.png)
所以这次,我选择了Google的Logo,并提取到它的配色方案。
imagepath = 'google.png'
haishoku = Haishoku.loadHaishoku(imagepath)
pprint.pprint(haishoku.palette)
Haishoku.showPalette(imagepath)
![8e1401c3df854f34713130c6f1de1b50.png](https://i-blog.csdnimg.cn/blog_migrate/ff8a7fd7537072e68c8020aabdd9b7b4.png)
![faea6fad30a85da6ce84982a04c2fb91.png](https://i-blog.csdnimg.cn/blog_migrate/fe27ac2cca12494678e4d340014516f4.png)
那么,这套配色方案应用到了数据可视化中,会是怎么样呢??
这次用刚才得到的Google配色,Python绘制一个环形图试试看
![5e2f74d91192517f240d810f83d41ca9.png](https://i-blog.csdnimg.cn/blog_migrate/ce7748bcadbccabf77b932e95e00a381.png)
感觉还不错,这套配色方案我要收藏起来。如果大家觉得本文还不错,记得给个一键三连!