wordcloud制作词云

• 实验目的

Wordcloud库函数练习、PIL库函数练习。

• 实验要求 

1、简述词云的函数主要参数。

2、简述PIL image库中常用的函数。

3、简述数字图像在计算机中的存储方式及数字图像坐标系。

4、简述卷积操作的过程。

5、简述PIL对图像进行滤波处理有哪些滤波器?

6、完成例【3.73】使用指定的图片显示词云统计结果，并简要解释代码。

7、完成例【3.77】表情图片的合成并将结果转换成灰度图，并简要解释代码。

8、完成例【3.79】读取一张图像，并将其转换成文本数据，并简要解释代码。

9、完成例【3.81】使用自定义的边缘检测模板对图像进行处理,并简要解释代码。

• 实验过程与结果

        1、简述词云的函数主要参数。

（1）Font_path  数据类型为string ，表示字体文件所在的路径
（2）width  数据类型为int ,  表示画布宽度，默认为400px
（3）Height  数据类型为int , 表示画布高度，默认为200px
（4）Perfer_horizontal  数据类型为float ，表示词语水平方向排版出现的频率，默认为0.9
（5）Mask  数据类型为ndarray ，默认为None,使用二维遮罩绘制词云。如果mask非空，将忽略画布的宽度和高度，遮罩形状为mask
（6）Scale  数据类型为float ,表示放大画布的比例，默认为一倍
（7）Stopwords  数据类型为字符串 ，表示停用词，需要屏蔽的词，默认为空。如果为空，则使用内置的STOPWORDS
（8）Background_color  数据类型为字符串 ，表示背景颜色，默认为black黑色

        2、简述PIL image库中常用的函数。

（1）open() 表示打开图像 save() 表示保存图像 convert（）表示图像格式转换 show() 表示显示图像 split() 表示从图像中拆分出各个通道 merge() 表示将多个通道合成一个图像 crop() 表示剪裁指定区域 resize() 表示缩放图像 blend() 表示将两幅图混合成一幅 filter() 表示设置滤波器对图像进行处理 fromarray()  表示从numpy的ndarray数组生成图像

3、简述数字图像在计算机中的存储方式及数字图像坐标系。

数字图像在计算机内的存储方式是点阵式的，每个点存储了该像素的颜色值。在数字图像坐标系中，图像的起始点在左上角为（0，0）.图像向右下方延申，假设纵轴为X轴表示，横轴为Y轴表示，则一个像素可以使用（X,Y）坐标来获取。 

4、简述卷积操作的过程。

卷积是一种数学运算。图像处理中的卷积，是使用一个矩矩阵(称作算子、卷积核)对图像中的像素从头至尾,逐行、逐列进行处理。矩阵每次处理一个图像区域。该区域中的所有像素参与运算，然后相加,得到的和赋给位于区域中心的像素。于是，在一次卷积操作后,每个像素都会作为中心像素被更新。

5、简述PIL对图像进行滤波处理有哪些滤波器?

（1）.BLUR：模糊
（2）.CONTOUR：提取轮廓
（3）.BETAIL：细节增强
（4）.EDGE_ENHANCE：边缘增强
（5）.EDGE_ENHANCE_MORE：深度边缘增强 
（6）.EMBOSS：浮雕效果
（7）.FIND_EDGES：查找边缘
（8）.SMOOTH：平滑
（9）.SMOOTH_MORE：深度平滑
（10）.SHARPEN：锐化

6、使用指定的图片显示词云统计结果，并简要解释代码。

from wordcloud import WordCloud
import matplotlib.pyplot as plt
from imageio import imread
text= open("song.txt",'r').read()
bg_pic= imread("notation.png")
stopwd=['is','a','the','to','of','in','on','at','and']
wdcd=WordCloud(mask=bg_pic,background_color='white',scale=1.5,stopwords=stopwd)
w=wdcd.generate(text)
plt.imshow(wdcd)
plt.axis('off')
plt.show()
wdcd.to_file('pic.jpg')

   

7、表情图片的合成并将结果转换成灰度图，并简要解释代码。

from PIL import Image
img1 =Image.open('1.jpg')
img1 = img1.convert('RGBA')
img2 = Image.open('2.jpg')
img2= img2.convert('RGBA')
img=Image.blend(img1,img2,0.5)
img.show()
img.save('blend.png')

8、读取一张图像，并将其转换成文本数据，并简要解释代码。

from PIL import Image
import numpy as np
import matplotlib.pyploy as plt
img = Image.open('lyy.png').convert('L')
img= np.array(img)
rows,cols = img.shape
txt = ""
for i in range(rows):
    for j in range(cols):
        if (img[i,j]<=128):
            txt +='1'
        else:
            txt += '0'
    txt += "\n"
with open('lyy.txt','w') as fl:
    fl.write(txt)

9、使用自定义的边缘检测模板对图像进行处理,并简要解释代码。

from PIL import Image,ImageFilter
im = Image.open('boy.jpg')
im.filter(ImageFilter.CONTOUR).save(r'FindCt.jpg')
im.filter(ImageFilter.FIND_EDGES).save(r'FindEg.jpg')

from PIL import Image,ImageDraw
img = Image.open('boy.jpg')
myFilter=ImageFilter.CONTOUR
myFilter.name='counter'
myFilter.filterargs=((3,3),1,255,(-1,-1,-1,-1,8,-1,-1,-1,-1))
imgfilted_b=img.filter(myFilter)
imgfilted_b.save('newFindCt.jpg')
imgfilted_b.show()