1. 引言
热力图，是一种通过对色块着色来显示数据的统计图表。绘图时，需指定颜色映射的规则。例如，较大的值由较深的颜色表示，较小的值由较浅的颜色表示；较大的值由偏暖的颜色表示，较小的值由较冷的颜色表示，等等。
本文主要用Python来实现热力图的制作，样例如下：
闲话少说，我们直接开始吧！
2. 读取图像
首先，我们来读取样例图像，并对其进行相应的crop操作。
样例代码如下：
import numpy as np
import matplotlib.pyplot as plt
import skimage.io as io
img = plt.imread("butterfly-7320158_960_720.jpg")
# crop
img_cut = img[147:447,:,:]
plt.figure()
plt.imshow(img_cut)
运行后，得到结果如下：
3. 图像灰度化
由于热力图主要用于可视化二维矩阵，所以我们需要将彩色图转化为灰度图，代码如下：
from skimage.color import rgb2gray
gray_img = rgb2gray(img_cut)
plt.imshow(gray_img,cmap='gray')
运行结果如下：
4. 像素化效果
这一步的操作主要是为了使图像看起来像像素化的艺术品。我们首先将图像划分为非重叠block块。我们将block块的大小划分的越大，像素化程度看起来越高。
对于每个block块，我们计算该块中一些代表值。在这里，我们可以使用整个块的最小值，最大值或中值。这里仅展示最小值的情形，代码如下：
from skimage import util
# select box size
block_shape = (10, 10)
view = util.view_as_blocks(gray_img, block_shape)
# collapse the last two dimensions in one
flatten_view = view.reshape(view.shape[0], view.shape[1], -1)
# choose min within box
min_view = np.min(flatten_view, axis=2)
plt.imshow(min_view,cmap='gray')
运行结果如下：
5. 为热力图选择调色板
这一步是我们创作热力图艺术效果自由度最高的步骤。seaborn调色板可能是一个很好的选择。我们来看一些不同风格的效果图：
import seaborn as sns
# save figure for LinkedIn recommended size (2000 width, 600 height)
my_dpi=96
plt.figure(figsize=(2000/my_dpi, 600/my_dpi), dpi=my_dpi)
sns.heatmap(max_view,xticklabels=False,yticklabels=False,cmap="coolwarm",cbar=False)
plt.savefig("coolwarm.png",bbox_inches='tight')
结果如下：
此外，viridis风格结果如下：
Spectral风格结果如下：
到此这篇关于利用Python实现热力图的绘制的文章就介绍到这了,更多相关Python热力图内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
