Построение цветов по яркости с помощью matplotlib

После копания и тестирования в течение пары дней, я думаю, мне удалось добиться того, чего я хотел, поэтому я делюсь своими результатами здесь на случай, если кто-то еще попытается сделать что-то подобное. По сути, я использовал комбинацию кода этой статьи и этой ветки.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.collections as collections
from matplotlib.patches import Rectangle

1. Сгенерируйте случайные цвета. Сначала выберите желаемое количество цветов, а затем получите степень округленного квадратного корня из этого числа. Сделайте это, чтобы получить число, имеющее целочисленный квадратный корень, чтобы позже получить идеальную сетку WIDTH x HEIGHT.

   desired_no_colors = 5000
   no_colors = round(np.sqrt(desired_no_colors))**2
   # Generate colors
   color_list = np.array([(np.random.choice(range(256), size=3)) for _ in np.arange(no_colors)])
   color_list = color_list / 255 # Convert values to 0-1 range
   

2. Создайте фрейм данных pandas с этим списком

   color_df = pd.DataFrame({'color': list(color_list)})

3. Определите функцию построения графика

   def plot_color_grid(df):
       width = 1
       height = 1
       nrows = int(df.color.size ** 0.5)
       ncols = int(df.color.size ** 0.5)
       gap = 0.2
   
       step = width + gap
   
       x_positions = np.arange(0, ncols*step, step)
       y_positions = np.arange(0, nrows*step, step)
   
       fig = plt.figure(figsize=(20, 20))
       fig.patch.set_alpha(0)
       ax = plt.subplot(111, aspect='equal')
   
       ax.axis([0, ncols*step + 1, 0, nrows*step + 1])
   
       pat = []
   
       color_index = -1
       for xi in x_positions:
           for yi in y_positions:
               color_index += 1
               sq = Rectangle((yi, xi), width, height, color=df.color[color_index])
               pat.append(sq)
   
   
       pc = collections.PatchCollection(pat, match_original=True)
       ax.add_collection(pc)
   
       plt.axis('off')
       plt.show()
   

и это результат, когда мы передаем функции фрейм данных pandas:

Обратите внимание, что figsize довольно большой. Если он меньше, а количество строк и столбцов такое большое (в данном случае 71), то некоторые пробелы начинают исчезать или становятся несовместимыми по размеру. Это также можно решить, повозившись с размером промежутка, размерами прямоугольного патча, точной настройкой figsize с номерами флота.

4. Добавьте новый столбец в DataFrame со значениями, например, для вычислений HSP.

   color_df["HSP"] = color_df.color.apply(lambda x: ((0.299 * x[0]) + (0.587 * x[1]) + (0.114 * x[2])) ** 0.5)
   

где «x», по-видимому, является кортежем (R, G, B)

5. И, наконец, мы сортируем значения по этому новому столбцу «HSP» и передаем их функции

   color_df = color_df.sort_values(by=['HSP'], ascending=True, ignore_index=True)
   

и мы получаем это:

который в справочной статье выглядит так:

Цвет позволит сделать это, также используя более однородное для восприятия цветовое пространство, например. JzAzBz, Оклаб, ICtCp:

import colour
import numpy as np

RGB = np.random.random((256, 256, 3))
colour.plotting.plot_image(RGB);

RGB_f = np.reshape(RGB, (-1, 3))
L = colour.convert(RGB_f, "RGB", "Oklab")[..., 0]
colour.plotting.plot_image(
    colour.utilities.orient(RGB_f[L.argsort()].reshape(RGB.shape), "Flop"));

Вы также можете отобразить их в виде сетки следующим образом, хотя это происходит намного медленнее при более высоком разрешении:

RGB = np.random.random((64, 64, 3))
RGB_f = np.reshape(RGB, (-1, 3))
L = colour.convert(RGB_f, "RGB", "Oklab")[..., 0]
colour.plotting.plot_multi_colour_swatches(
    RGB_f[L.argsort()], columns=RGB.shape[0], spacing=0.5, background_colour = "k");

Вот блокнот Google Colab, если вы хотите попробовать прямо в браузере: https://colab.research.google.com/drive/1SD-ZU1clsHgHFyC0gpIP2fK9xBvYX-oS?usp=sharing