词云生成库wordcloud详解（三）：IntegralOccupancyMap类——词云布局机制

当前wordcloud版本：1.81

词云绘制需求

在绘制词云时大概有以下需求：

• 词与词之间相互不重叠。
• 尽可能填充满整个空间，词与词之间间隙比较小。
• 空间可能按照某张图片布局，即所有词要布局在图片的轮廓内。
• 词绘制时可能要求随机位置、随机颜色。
• 词的绘制的尺寸可能跟词的一些特征相关。

根据词的特征控制词绘制位置、颜色、尺寸比较容易实现。
有效利用布局空间，避免词重叠可能需要图像处理的一些知识。

wordcloud词云布局机制——积分图

根据wordcloud源码可知，wordcloud模块中的IntegralOccupancyMap类负责根据文本词频和背景图对整个词云图进行布局。
理解该类就需要了解图像处理中的重要方法积分图(Integral Image)，也叫做Summed Area Table，通常用于加速图像计算速度。在这里积分图主要用于检测重叠。下面通过一个案例方便理解。
对于原始图像（下图1），我们可以认为没有内容的像素值为0，有内的像素值为1，这样就构造了简易的像素图（下图2）。下图3为积分图，积分顾名思义就是求和。积分图中，每个单元的值，等于原图此位置左上角所有像素值之和（图3橙框的值 = 图2蓝框中所有值之和）。这个性质，能够帮助我们快速判断一个区域内有没有内容。

如果一个矩形区域内没有内容，说明这个区域内所有像素值之和为零。根据积分图的特征，可以进行如下计算：用大矩形所有像素值之和，减去上方和左侧两个矩形像素值之和，再加上左上角小矩形像素值之和，就得到了所求区域内像素值之和。

大矩形（绿色）: 7
左侧矩形（紫色）: 0
上方矩形（青色）: 2
左上矩形（橙色）: 0
目标矩形（蓝色）: 7 - 0 - 2 + 0 = 5

这样，只需要进行四次取值和一次运算就能够判断某区域是否为空，比逐个像素检测快很多。

每个词都可以简便的计算出所占据的矩形区域（根据词的位置，字符内容、字体类型、字体大小、旋转度等），我们只需要对词云图整体的每个位置 (x,y) 进行计算，如果(x,y) 到(x + w - 1, y + h - 1) 这个矩形区域内没有内容，就能够放置这个词。

IntegralOccupancyMap类

IntegralOccupancyMap类负责根据文本词频和背景图对整个词云图进行布局。

与该类相关的模块为query_integral_image.cp37-win_amd64.pyd。

IntegralOccupancyMap类有三个方法：构造方法__init__、sample_position、update。

__init__方法

方法签名为def __init__(self, height, width, mask)。
该方法有3个参数：

• height，width：词云图整体的高度和宽度，单位为像素。
• mask：蒙版图像。类型为numpy数组。

该方法会检测mask的值：
如果为None，即没有蒙版图像，则以(height,width)为形状构造二维全零数组integral。
如果不为None，即有蒙版图像，则构造蒙版图像的积分图数组integral。

sample_position方法

方法签名为def sample_position(self, size_x, size_y, random_state)
该方法有3个参数：

• size_x，size_y：词所占的矩形区域范围。
• random_state：随机对象。

返回值为二元组。
该方法最终调用query_integral_image.cp37-win_amd64.pyd模块中的query_integral_image函数，由于.pyd文件无法反编译，因此看不到源码。但功能为随机生成词位置。

update方法

该方法的功能为根据蒙版图像和词的位置重新计算并更新积分图。
方法签名为def update(self, img_array, pos_x, pos_y)
该方法有3个参数：

• img_array：图像数组。
• pos_x，pos_y：词区域的位置。

源码

class IntegralOccupancyMap(object):
    def __init__(self, height, width, mask):
        self.height = height
        self.width = width
        if mask is not None:
            # the order of the cumsum's is important for speed ?!
            self.integral = np.cumsum(np.cumsum(255 * mask, axis=1),
                                      axis=0).astype(np.uint32)
        else:
            self.integral = np.zeros((height, width), dtype=np.uint32)

    def sample_position(self, size_x, size_y, random_state):
        return query_integral_image(self.integral, size_x, size_y,
                                    random_state)

    def update(self, img_array, pos_x, pos_y):
        partial_integral = np.cumsum(np.cumsum(img_array[pos_x:, pos_y:],
                                               axis=1), axis=0)
        # paste recomputed part into old image
        # if x or y is zero it is a bit annoying
        if pos_x > 0:
            if pos_y > 0:
                partial_integral += (self.integral[pos_x - 1, pos_y:]
                                     - self.integral[pos_x - 1, pos_y - 1])
            else:
                partial_integral += self.integral[pos_x - 1, pos_y:]
        if pos_y > 0:
            partial_integral += self.integral[pos_x:, pos_y - 1][:, np.newaxis]

        self.integral[pos_x:, pos_y:] = partial_integral

参考文献

积分图部分内容，参考文章《你不知道的词云》https://python123.io/tutorials/word_cloud