如何在Python中创建颜色渐变？

Question

我想创建一个在绿色和蓝色（或其他任何两种颜色之间）之间插入的新色彩映射。我的目标是得到这样的东西：

首先，我真的不知道这是否可以使用蓝色和绿色的线性插值完成。如果可以的话，我不知道该怎么做，我发现了一些使用matplotlib方法插入指定的RGB值的文档。here

真正的麻烦在于了解“cdict2”如何在下面工作。例如，文档中提到：

“例如：假设你想让红色从下半部分的0增加到1，在中间部分用绿色做同样的事情，在上半部分用蓝色，然后你会用：”

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() 

编辑：我现在明白是怎么插的作品，例如这会给一个红白色插值：

由白变红：沿着走的列‘矩阵’为每种颜色，在第一列中我们有我们希望插值开始和结束的地方的x坐标，另外两列是颜色val的实际值在那个坐标上。

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)]} 

很明显，我想会是非常困难的梯度由RGB空间插值创造... ...

Answer 1

这将创建由单一的参数控制的颜色表，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从0上升至y，然后回降至0.​​从0上升至y然后恒定。 blue星星y，是上半年常数，接着减速到0

下面是与y = 0.7情节：

你可以通过增加另一个段或两个光滑出来。

Answer 2

每个元组的第一个元素（0,0.25,0.5等）是颜色应该是某个值的地方。我抽取了5个样本来查看RGB组件（在GIMP中），并将它们放在表格中。 RGB分量从0到1，因此我必须将它们除以255.0来缩放正常的0-255值。

5点是一个相当粗略的近似值 - 如果你想要一个'平滑'的外观，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() 

请注意，红色是相当存在。它在那里，因为中心区域接近灰色 - 这三个组件是必要的。

这将产生：

Answer 3

很明显，你原来的例子梯度不线性的。看一看整个图像的平均红色，绿色和蓝色值的图表：

试图与线性渐变的组合来创建此将是困难的。

对我来说，每一种颜色看起来像另外两个高斯曲线，所以我做了一些最好的配合和与此想出了：

利用这些计算值让我创造一个真正漂亮的梯度几乎完全匹配你的。

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) 

不幸的是我还不知道如何将它推广到任意的颜色。

Answer 4

我还没有看到一个简单的答案是只使用colour package。

通过PIP安装

pip install colour 

使用像这样：

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>] 

更改输入您要

Answer 5

我需要这个问题，以及任何颜色，但我想输入多个任意色点。考虑一个热图，你需要黑色，蓝色，绿色......一直到“热”的颜色。我借用了上面的Mark Ransom的代码，并将其扩展以满足我的需求。我对此很满意。我要感谢所有人，特别是马克。

此代码对图像的大小是中性的（高斯分布中没有常量）;你可以用width =参数改变它为pixel（）。它还允许调整分布的“传播”（ - > stddev）;你可以将它们进一步混合起来，或者通过将spread =参数改为pixel（）来引入黑带。

#!/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')