如何在Python中創建顏色漸變？

Question

我想創建一個在綠色和藍色（或其他任何兩種顏色之間）之間插入的新色彩映射。我的目標是得到這樣的東西：

首先，我真的不知道這是否可以使用藍色和綠色的線性插值完成。如果可以的話，我不知道該怎麼做，我發現了一些使用matplotlib方法插入指定的RGB值的文檔。here

真正的麻煩在於瞭解「cdict2」如何在下面工作。例如，文檔中提到：

「例如：假設你想讓紅色從下半部分的0增加到1，在中間部分用綠色做同樣的事情，在上半部分用藍色，然後你會用：」

from matplotlib import pyplot as plt 
import matplotlib 
import numpy as np 

plt.figure() 
a=np.outer(np.arange(0,1,0.01),np.ones(10)) 
cdict2 = {'red': [(0.0, 0.0, 0.0), 
        (0.5, 1.0, 1.0), 
        (1.0, 1.0, 1.0)], 
     'green': [(0.0, 0.0, 0.0), 
        (0.25, 0.0, 0.0), 
        (0.75, 1.0, 1.0), 
        (1.0, 1.0, 1.0)], 
     'blue': [(0.0, 0.0, 0.0), 
        (0.5, 0.0, 0.0), 
        (1.0, 1.0, 1.0)]} 
my_cmap2 = matplotlib.colors.LinearSegmentedColormap('my_colormap2',cdict2,256) 
plt.imshow(a,aspect='auto', cmap =my_cmap2)     
plt.show() 

編輯：我現在明白是怎麼插的作品，例如這會給一個紅白色插值：

由白變紅：沿着走的列‘矩陣’爲每種顏色，在第一列中我們有我們希望插值開始和結束的地方的x座標，另外兩列是顏色val的實際值在那個座標上。

cdict2 = {'red': [(0.0, 1.0, 1.0), 
        (1.0, 1.0, 1.0), 
        (1.0, 1.0, 1.0)], 
     'green': [(0.0, 1.0, 1.0), 
        (1.0, 0.0, 0.0), 
        (1.0, 0.0, 0.0)], 
    'blue': [(0.0, 1.0, 1.0), 
       (1.0, 0.0, 0.0), 
       (1.0, 0.0, 0.0)]} 

很明顯，我想會是非常困難的梯度由RGB空間插值創造... ...

Answer 1

這將創建由單一的參數控制的顏色表，y：

from matplotlib.colors import LinearSegmentedColormap 


def bluegreen(y): 
    red = [(0.0, 0.0, 0.0), (0.5, y, y), (1.0, 0.0, 0.0)] 
    green = [(0.0, 0.0, 0.0), (0.5, y, y), (1.0, y, y)] 
    blue = [(0.0, y, y), (0.5, y, y),(1.0,0.0,0.0)] 
    colordict = dict(red=red, green=green, blue=blue) 
    bluegreenmap = LinearSegmentedColormap('bluegreen', colordict, 256) 
    return bluegreenmap 

red從0上升至y，然後回降至0.​​從0上升至y然後恆定。 blue星星y，是上半年常數，接着減速到0

下面是與y = 0.7情節：

你可以通過增加另一個段或兩個光滑出來。

Answer 2

每個元組的第一個元素（0,0.25,0.5等）是顏色應該是某個值的地方。我抽取了5個樣本來查看RGB組件（在GIMP中），並將它們放在表格中。 RGB分量從0到1，因此我必須將它們除以255.0來縮放正常的0-255值。

5點是一個相當粗略的近似值 - 如果你想要一個'平滑'的外觀，使用更多的值。

from matplotlib import pyplot as plt 
import matplotlib 
import numpy as np 

plt.figure() 
a=np.outer(np.arange(0,1,0.01),np.ones(10)) 
fact = 1.0/255.0 
cdict2 = {'red': [(0.0, 22*fact, 22*fact), 
        (0.25, 133*fact, 133*fact), 
        (0.5, 191*fact, 191*fact), 
        (0.75, 151*fact, 151*fact), 
        (1.0, 25*fact, 25*fact)], 
     'green': [(0.0, 65*fact, 65*fact), 
        (0.25, 182*fact, 182*fact), 
        (0.5, 217*fact, 217*fact), 
        (0.75, 203*fact, 203*fact), 
        (1.0, 88*fact, 88*fact)], 
     'blue': [(0.0, 153*fact, 153*fact), 
        (0.25, 222*fact, 222*fact), 
        (0.5, 214*fact, 214*fact), 
        (0.75, 143*fact, 143*fact), 
        (1.0, 40*fact, 40*fact)]} 
my_cmap2 = matplotlib.colors.LinearSegmentedColormap('my_colormap2',cdict2,256) 
plt.imshow(a,aspect='auto', cmap =my_cmap2)     
plt.show() 

請注意，紅色是相當存在。它在那裏，因爲中心區域接近灰色 - 這三個組件是必要的。

這將產生：

Answer 3

很明顯，你原來的例子梯度不線性的。看一看整個圖像的平均紅色，綠色和藍色值的圖表：

試圖與線性漸變的組合來創建此將是困難的。

對我來說，每一種顏色看起來像另外兩個高斯曲線，所以我做了一些最好的配合和與此想出了：

利用這些計算值讓我創造一個真正漂亮的梯度幾乎完全匹配你的。

import math 
from PIL import Image 
im = Image.new('RGB', (604, 62)) 
ld = im.load() 

def gaussian(x, a, b, c, d=0): 
    return a * math.exp(-(x - b)**2/(2 * c**2)) + d 

for x in range(im.size[0]): 
    r = int(gaussian(x, 158.8242, 201, 87.0739) + gaussian(x, 158.8242, 402, 87.0739)) 
    g = int(gaussian(x, 129.9851, 157.7571, 108.0298) + gaussian(x, 200.6831, 399.4535, 143.6828)) 
    b = int(gaussian(x, 231.3135, 206.4774, 201.5447) + gaussian(x, 17.1017, 395.8819, 39.3148)) 
    for y in range(im.size[1]): 
     ld[x, y] = (r, g, b) 

不幸的是我還不知道如何將它推廣到任意的顏色。

Answer 4

我還沒有看到一個簡單的答案是隻使用colour package。

通過PIP安裝

pip install colour 

使用像這樣：

from colour import Color 
red = Color("red") 
colors = list(red.range_to(Color("green"),10)) 

# colors is now a list of length 10 
# Containing: 
# [<Color red>, <Color #f13600>, <Color #e36500>, <Color #d58e00>, <Color #c7b000>, <Color #a4b800>, <Color #72aa00>, <Color #459c00>, <Color #208e00>, <Color green>] 

更改輸入您要

Answer 5

我需要這個問題，以及任何顏色，但我想輸入多個任意色點。考慮一個熱圖，你需要黑色，藍色，綠色......一直到「熱」的顏色。我借用了上面的Mark Ransom的代碼，並將其擴展以滿足我的需求。我對此很滿意。我要感謝所有人，特別是馬克。

此代碼對圖像的大小是中性的（高斯分佈中沒有常量）;你可以用width =參數改變它爲pixel（）。它還允許調整分佈的「傳播」（ - > stddev）;你可以將它們進一步混合起來，或者通過將spread =參數改爲pixel（）來引入黑帶。

#!/usr/bin/env python 

import math 
from PIL import Image 
im = Image.new('RGB', (3000, 2000)) 
ld = im.load() 

# A map of rgb points in your distribution 
# [distance, (r, g, b)] 
# distance is percentage from left edge 
heatmap = [ 
    [0.0, (0, 0, 0)], 
    [0.20, (0, 0, .5)], 
    [0.40, (0, .5, 0)], 
    [0.60, (.5, 0, 0)], 
    [0.80, (.75, .75, 0)], 
    [0.90, (1.0, .75, 0)], 
    [1.00, (1.0, 1.0, 1.0)], 
] 

def gaussian(x, a, b, c, d=0): 
    return a * math.exp(-(x - b)**2/(2 * c**2)) + d 

def pixel(x, width=100, map=[], spread=1): 
    width = float(width) 
    r = sum([gaussian(x, p[1][0], p[0] * width, width/(spread*len(map))) for p in map]) 
    g = sum([gaussian(x, p[1][1], p[0] * width, width/(spread*len(map))) for p in map]) 
    b = sum([gaussian(x, p[1][2], p[0] * width, width/(spread*len(map))) for p in map]) 
    return min(1.0, r), min(1.0, g), min(1.0, b) 

for x in range(im.size[0]): 
    r, g, b = pixel(x, width=3000, map=points) 
    r, g, b = [int(256*v) for v in (r, g, b)] 
    for y in range(im.size[1]): 
     ld[x, y] = r, g, b 

im.save('grad.png')