Question

我正在制作一个基于Python的简单程序，它将graphviz图作为输出。我想使用描述程序数据的自定义节点。一旦你有了图像，使用自定义节点很简单，但是我无法找到一种方便的方法来生成我想要的图像。

具体来说，我希望节点是圆形，其面积代表一个测量值，但其梯度代表该值的不确定性。使用由某些数学程序（例如sagemath）产生的等高线图似乎是合理的，但这些倾向于制作未缩放的方形图像。或者，图像处理程序上的梯度函数似乎很难与严格的高斯函数相关联。

理想情况下，我想按照这个伪代码的方式写一个函数......

def make_node_image(measured_value, std_dev):

    mean_circle_radius = sqrt(measured_value/pi)
    image_circle_radius = sqrt((measured_value + 2*std_dev)/pi)

    gradient_amplitude = 1/(std_dev*sqrt(2*pi))
    gradient_fade = e^(-(r-mean_circle_radius)^2/(2*std_dev^2))

    image_gradient = gradient_amplitude*gradient_fade

    ***generate_image_from_gradient***

    ***scale_and_clip_image_to_image_circle_radius***

    return image

两个星号是我需要帮助的地方;我很感激任何建议，谢谢！

Answer 1

实现此目的的一种方法是使用matplotlib，就像您在代码中所建议的那样。要做到这一点，我会

使用numpy创建一个NxN数组来表示image_gradient。
创建一个figure，其形状为大小，单位为英寸，与圆的半径（image_circle_radius）相关，为此，您需要记住图中的点数。英寸（fig.dpi）
创建一个没有边距，没有框架且没有刻度的axes（fig.add_axes([0,0,1,1],frameon=False, xticks=[], yticks=[]）
使用imshow将数组绘制为图像。
创建一个圆，中心和半径以DPI为单位
使用set_clip_path()方法剪切AxesImage调用创建的imshow。

这种方法的灵感来自matplotlib example。

这是尝试做出规定的事情：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.path as path
import matplotlib.patches as patches

pi = np.pi
sqrt = np.sqrt
exp = np.exp

def make_node_image(measured_value, std_dev, coverage="0.96",imageID=1):

    DPI = 100
    TODPI=1
    MINSIZE = 50 # in DPI
    MAXSIZE = 400 # in DPI
    MAXAMPLITUDE = .005

    # make radius,std_dev  values in grid units
    mean_circle_radius = int(sqrt(measured_value/pi)/TODPI)
    image_circle_radius = int(sqrt((measured_value + 2*std_dev)/pi)/TODPI)
    if image_circle_radius < MINSIZE:
        raise Exception("image_circle_radius too small!")
    if image_circle_radius > MAXSIZE:
        raise Exception("image_circle_radius too large!")

    grid_std_dev = std_dev/TODPI

    gradient_amplitude = 1/(std_dev*sqrt(2*pi))/MAXAMPLITUDE
    gradient_fade = np.zeros([2*image_circle_radius,
                              2*image_circle_radius])
    for ix in range(2*image_circle_radius):
        for iy in range(2*image_circle_radius):
            r = sqrt((ix-image_circle_radius)**2
                     +(iy-image_circle_radius)**2)
            gradient_fade[ix,iy] = exp(
                -(r-mean_circle_radius)**2
                 /(2*grid_std_dev**2))

    image_gradient = gradient_amplitude*gradient_fade

    fig = plt.figure(figsize=(2*image_circle_radius/DPI,
                              2*image_circle_radius/DPI),dpi=DPI)


    ax = fig.add_axes([0,0,1,1],frameon=True, xticks=[], yticks=[])

    #***generate_image_from_gradient***
    im = ax.imshow(image_gradient,vmin=0,vmax=1)

    patch = patches.Circle((image_circle_radius,image_circle_radius), 
                           radius=image_circle_radius,fc='white')

    #***scale_and_clip_image_to_image_circle_radius***
    im.set_clip_path(patch)

    name = 'circImage%d.png'%imageID
    fig.savefig(name)

    return name

make_node_image(90000*pi,100)

这导致：

enter image description here

圆圈似乎被夹在边缘。
几乎可以肯定的是构建gradient_fade的矢量化方法，虽然我手边还不知道它是什么。
这感觉很糟糕，我真的希望有人提供更优雅的答案。
显然上面的代码只是一个起点，有人可以肯定地改进它。

有没有一种使用Python生成带渐变的位图的简单方法？

1 个答案: