Введение
Matplotlib - популярная библиотека визуализации данных на Python. Она имеет различные встроенные функции, в том числе и возможность имитировать нарушения цветового зрения. В этом практическом занятии вы узнаете, как использовать Matplotlib для имитации нарушений цветового зрения.
Советы по работе с ВМ
После запуска виртуальной машины кликните в левом верхнем углу, чтобы переключиться на вкладку Notebook и приступить к практике в Jupyter Notebook.
Иногда может потребоваться подождать несколько секунд, пока Jupyter Notebook полностью загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы столкнетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Импортируем необходимые библиотеки и модули
Во - первых, нам нужно импортировать необходимые библиотеки и модули, в том числе Matplotlib, NumPy и colorspacious. Также задаем параметры фильтрации цветов, которые мы хотим имитировать.
import functools
from pathlib import Path
import colorspacious
import numpy as np
_BUTTON_NAME = "Filter"
_BUTTON_HELP = "Simulate color vision deficiencies"
_MENU_ENTRIES = {
"None": None,
"Greyscale": "greyscale",
"Deuteranopia": "deuteranomaly",
"Protanopia": "protanomaly",
"Tritanopia": "tritanomaly",
}
Определяем функцию фильтрации цветов
Далее мы определяем функцию, которая создает функцию фильтрации цветов на основе имени фильтра цвета. Эта функция использует модуль colorspacious для преобразования входного изображения в другое цветовое пространство в зависимости от имени фильтра цвета.
def _get_color_filter(name):
"""
По заданному имени фильтра цвета создается функция фильтрации цветов.
Параметры
----------
name : str
Имя фильтра цвета, одно из следующих:
- ``"none"``:...
- ``"greyscale"``: Преобразует входное изображение в яркость.
- ``"deuteranopia"``: Имитирует наиболее распространенную форму красно-зеленого
Daltonизма.
- ``"protanopia"``: Имитирует более редкую форму красно-зеленого Daltonизма.
- ``"tritanopia"``: Имитирует редкую форму сине-желтого Daltonизма.
Преобразования цветов используют `colorspacious`_.
Возвращает
-------
callable
Функция фильтрации цветов, имеющая следующую форму:
def filter(input: np.ndarray[M, N, D])-> np.ndarray[M, N, D]
где (M, N) - размеры изображения, а D - глубина цвета (3 для RGB, 4 для RGBA).
Альфа-канал передается без изменений и в остальном игнорируется.
"""
if name not in _MENU_ENTRIES:
raise ValueError(f"Unsupported filter name: {name!r}")
name = _MENU_ENTRIES[name]
if name is None:
return None
elif name == "greyscale":
rgb_to_jch = colorspacious.cspace_converter("sRGB1", "JCh")
jch_to_rgb = colorspacious.cspace_converter("JCh", "sRGB1")
def convert(im):
greyscale_JCh = rgb_to_jch(im)
greyscale_JCh[..., 1] = 0
im = jch_to_rgb(greyscale_JCh)
return im
else:
cvd_space = {"name": "sRGB1+CVD", "cvd_type": name, "severity": 100}
convert = colorspacious.cspace_converter(cvd_space, "sRGB1")
def filter_func(im, dpi):
alpha = None
if im.shape[-1] == 4:
im, alpha = im[..., :3], im[..., 3]
im = convert(im)
if alpha is not None:
im = np.dstack((im, alpha))
return np.clip(im, 0, 1), 0, 0
return filter_func
Устанавливаем пункт меню
Мы определяем функцию, которая устанавливает пункт меню в зависимости от выбранного имени фильтра цвета. Эта функция обновляет функцию фильтрации цветов в соответствии с выбором.
def _set_menu_entry(tb, name):
tb.canvas.figure.set_agg_filter(_get_color_filter(name))
tb.canvas.draw_idle()
Настраиваем панель инструментов
Далее мы определяем функцию, которая настраивает панель инструментов в зависимости от используемого типа бэкенда. Эта функция создает кнопку, которая позволяет пользователю выбирать тип фильтра цвета для имитации.
def setup(figure):
tb = figure.canvas.toolbar
if tb is None:
return
for cls in type(tb).__mro__:
pkg = cls.__module__.split(".")[0]
if pkg!= "matplotlib":
break
if pkg == "gi":
_setup_gtk(tb)
elif pkg in ("PyQt5", "PySide2", "PyQt6", "PySide6"):
_setup_qt(tb)
elif pkg == "tkinter":
_setup_tk(tb)
elif pkg == "wx":
_setup_wx(tb)
else:
raise NotImplementedError("The current backend is not supported")
Создаем примеры изображений
Мы создаем примеры изображений для демонстрации функции фильтрации цветов. Импортируем пример изображение с Грасс Хоппер и отображаем его с использованием Matplotlib. Также создаем график синусоидальных волн.
if __name__ == '__main__':
import matplotlib.pyplot as plt
from matplotlib import cbook
plt.rcParams['figure.hooks'].append('mplcvd:setup')
fig, axd = plt.subplot_mosaic(
[
['viridis', 'turbo'],
['photo', 'lines']
]
)
delta = 0.025
x = y = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2
imv = axd['viridis'].imshow(
Z, interpolation='bilinear',
origin='lower', extent=[-3, 3, -3, 3],
vmax=abs(Z).max(), vmin=-abs(Z).max()
)
fig.colorbar(imv)
imt = axd['turbo'].imshow(
Z, interpolation='bilinear', cmap='turbo',
origin='lower', extent=[-3, 3, -3, 3],
vmax=abs(Z).max(), vmin=-abs(Z).max()
)
fig.colorbar(imt)
## A sample image
with cbook.get_sample_data('grace_hopper.jpg') as image_file:
photo = plt.imread(image_file)
axd['photo'].imshow(photo)
th = np.linspace(0, 2*np.pi, 1024)
for j in [1, 2, 4, 6]:
axd['lines'].plot(th, np.sin(th * j), label=f'$\\omega={j}$')
axd['lines'].legend(ncols=2, loc='upper right')
plt.show()
Резюме
В этом практическом занятии мы узнали, как имитировать нарушения цветового зрения с использованием Matplotlib. Мы использовали модуль colorspacious для преобразования входного изображения в другое цветовое пространство в зависимости от выбранного имени фильтра цвета. Также мы создали примеры изображений для демонстрации функции фильтрации цветов.