使用 matplotlib 创建随机 shape/contour

Create random shape/contour using matplotlib

我正在尝试使用 python 生成随机轮廓的图像,但找不到简单的方法。

这是我想要的示例:

最初我想用 matplotlib 和高斯函数来做,但我什至无法接近我展示的图像。

有简单的方法吗?

感谢任何帮助

要回答您的问题,没有简单的方法。生成看起来和感觉起来自然的随机事物是一个比一开始看起来要困难得多的问题——这就是为什么像 perlin 噪声这样的技术是重要的技术。

任何传统的编程方法(不涉及神经网络)可能最终会成为一个涉及多步骤的过程,包括选择随机点、放置形状、画线等,并进行微调直到看起来正确你想要它。使用这种方法,从头开始获得任何能够可靠地生成像您的示例一样具有动态和有机外观的形状的东西将非常困难。

如果您对结果比对实现更感兴趣,您可以尝试找到一个库,该库可以生成看起来令人信服的平滑随机纹理并从中切割轮廓线。这是目前唯一想到的 'easy' 方法。这是一个柏林噪声示例。注意由灰度级形成的形状。

matplotlib 路径

实现随机且非常平滑的形状的一种简单方法是使用 matplotlib.path 模块。

使用三次贝塞尔曲线,大部分线条将被平滑,锐边的数量将是要调整的参数之一。

步骤如下。首先定义形状的参数,这些是锐边的数量 n 和相对于单位圆中默认位置的最大扰动 r。在此示例中,点从单位圆移动并进行径向校正,将半径从 1 修改为 1-r1+r.

之间的随机数

这就是为什么顶点被定义为相应角度的正弦或余弦乘以半径因子,将圆点放置在圆中然后修改它们的半径以引入随机分量。 stack.T 转置和 [:,None] 只是将数组转换为 matplotlib 接受的输入。

下面是使用这种径向校正的例子:

import numpy as np

import matplotlib.pyplot as plt
from matplotlib.path import Path
import matplotlib.patches as patches

n = 8 # Number of possibly sharp edges
r = .7 # magnitude of the perturbation from the unit circle, 
# should be between 0 and 1
N = n*3+1 # number of points in the Path
# There is the initial point and 3 points per cubic bezier curve. Thus, the curve will only pass though n points, which will be the sharp edges, the other 2 modify the shape of the bezier curve

angles = np.linspace(0,2*np.pi,N)
codes = np.full(N,Path.CURVE4)
codes[0] = Path.MOVETO

verts = np.stack((np.cos(angles),np.sin(angles))).T*(2*r*np.random.random(N)+1-r)[:,None]
verts[-1,:] = verts[0,:] # Using this instad of Path.CLOSEPOLY avoids an innecessary straight line
path = Path(verts, codes)

fig = plt.figure()
ax = fig.add_subplot(111)
patch = patches.PathPatch(path, facecolor='none', lw=2)
ax.add_patch(patch)

ax.set_xlim(np.min(verts)*1.1, np.max(verts)*1.1)
ax.set_ylim(np.min(verts)*1.1, np.max(verts)*1.1)
ax.axis('off') # removes the axis to leave only the shape

plt.show()

n=8r=0.7 生成如下形状:


高斯滤波matplotlib路径

也可以选择使用上面的代码为单个形状生成形状,然后使用 scipy 对生成的图像执行 gaussian filtering

执行高斯滤波器和检索平滑形状背后的主要思想是创建填充形状;将图像保存为二维数组(其值将介于 0 和 1 之间,因为它将是灰度图像);然后应用高斯滤波器;最终,得到平滑的形状作为过滤数组的 0.5 等高线。

因此,第二个版本看起来像:

# additional imports
from skimage import color as skolor # see the docs at scikit-image.org/
from skimage import measure
from scipy.ndimage import gaussian_filter

sigma = 7 # smoothing parameter
# ...
path = Path(verts, codes)

fig = plt.figure()
ax = fig.add_axes([0,0,1,1]) # create the subplot filling the whole figure
patch = patches.PathPatch(path, facecolor='k', lw=2) # Fill the shape in black
# ...
ax.axis('off')

fig.canvas.draw()

##### Smoothing ####
# get the image as an array of values between 0 and 1
data = np.frombuffer(fig.canvas.tostring_rgb(), dtype=np.uint8)
data = data.reshape(fig.canvas.get_width_height()[::-1] + (3,))
gray_image = skolor.rgb2gray(data)

# filter the image
smoothed_image = gaussian_filter(gray_image,sigma)

# Retrive smoothed shape as 0.5 contour
smooth_contour = measure.find_contours(smoothed_image[::-1,:], 0.5)[0] 
# Note, the values of the contour will range from 0 to smoothed_image.shape[0] 
# and likewise for the second dimension, if desired, 
# they should be rescaled to go between 0,1 afterwards

# compare smoothed ans original shape
fig = plt.figure(figsize=(8,4))
ax1 = fig.add_subplot(1,2,1)
patch = patches.PathPatch(path, facecolor='none', lw=2)
ax1.add_patch(patch)
ax1.set_xlim(np.min(verts)*1.1, np.max(verts)*1.1)
ax1.set_ylim(np.min(verts)*1.1, np.max(verts)*1.1)
ax1.axis('off') # removes the axis to leave only the shape
ax2 = fig.add_subplot(1,2,2)
ax2.plot(smooth_contour[:, 1], smooth_contour[:, 0], linewidth=2, c='k')
ax2.axis('off')

问题是问题中显示的那种随机形状并不是真正随机的。它们以某种方式平滑、有序、看似随机的形状。虽然使用计算机可以轻松创建真正随机的形状,但使用笔和纸创建这些伪随机形状要容易得多。

因此,一种选择是以交互方式创建此类形状。这显示在问题 .

如果您想以编程方式创建随机形状,我们可以使用三次贝塞尔曲线调整解决方案以适应

想法是通过 get_random_points 创建一组随机点,并用这些点调用函数 get_bezier_curve。这将创建一组贝塞尔曲线,这些曲线在输入点处相互平滑连接。我们还确保它们是循环的,即起点和终点之间的过渡也是平滑的。

import numpy as np
from scipy.special import binom
import matplotlib.pyplot as plt


bernstein = lambda n, k, t: binom(n,k)* t**k * (1.-t)**(n-k)

def bezier(points, num=200):
    N = len(points)
    t = np.linspace(0, 1, num=num)
    curve = np.zeros((num, 2))
    for i in range(N):
        curve += np.outer(bernstein(N - 1, i, t), points[i])
    return curve

class Segment():
    def __init__(self, p1, p2, angle1, angle2, **kw):
        self.p1 = p1; self.p2 = p2
        self.angle1 = angle1; self.angle2 = angle2
        self.numpoints = kw.get("numpoints", 100)
        r = kw.get("r", 0.3)
        d = np.sqrt(np.sum((self.p2-self.p1)**2))
        self.r = r*d
        self.p = np.zeros((4,2))
        self.p[0,:] = self.p1[:]
        self.p[3,:] = self.p2[:]
        self.calc_intermediate_points(self.r)

    def calc_intermediate_points(self,r):
        self.p[1,:] = self.p1 + np.array([self.r*np.cos(self.angle1),
                                    self.r*np.sin(self.angle1)])
        self.p[2,:] = self.p2 + np.array([self.r*np.cos(self.angle2+np.pi),
                                    self.r*np.sin(self.angle2+np.pi)])
        self.curve = bezier(self.p,self.numpoints)


def get_curve(points, **kw):
    segments = []
    for i in range(len(points)-1):
        seg = Segment(points[i,:2], points[i+1,:2], points[i,2],points[i+1,2],**kw)
        segments.append(seg)
    curve = np.concatenate([s.curve for s in segments])
    return segments, curve

def ccw_sort(p):
    d = p-np.mean(p,axis=0)
    s = np.arctan2(d[:,0], d[:,1])
    return p[np.argsort(s),:]

def get_bezier_curve(a, rad=0.2, edgy=0):
    """ given an array of points *a*, create a curve through
    those points. 
    *rad* is a number between 0 and 1 to steer the distance of
          control points.
    *edgy* is a parameter which controls how "edgy" the curve is,
           edgy=0 is smoothest."""
    p = np.arctan(edgy)/np.pi+.5
    a = ccw_sort(a)
    a = np.append(a, np.atleast_2d(a[0,:]), axis=0)
    d = np.diff(a, axis=0)
    ang = np.arctan2(d[:,1],d[:,0])
    f = lambda ang : (ang>=0)*ang + (ang<0)*(ang+2*np.pi)
    ang = f(ang)
    ang1 = ang
    ang2 = np.roll(ang,1)
    ang = p*ang1 + (1-p)*ang2 + (np.abs(ang2-ang1) > np.pi )*np.pi
    ang = np.append(ang, [ang[0]])
    a = np.append(a, np.atleast_2d(ang).T, axis=1)
    s, c = get_curve(a, r=rad, method="var")
    x,y = c.T
    return x,y, a


def get_random_points(n=5, scale=0.8, mindst=None, rec=0):
    """ create n random points in the unit square, which are *mindst*
    apart, then scale them."""
    mindst = mindst or .7/n
    a = np.random.rand(n,2)
    d = np.sqrt(np.sum(np.diff(ccw_sort(a), axis=0), axis=1)**2)
    if np.all(d >= mindst) or rec>=200:
        return a*scale
    else:
        return get_random_points(n=n, scale=scale, mindst=mindst, rec=rec+1)

您可以使用这些功能,例如作为

fig, ax = plt.subplots()
ax.set_aspect("equal")

rad = 0.2
edgy = 0.05

for c in np.array([[0,0], [0,1], [1,0], [1,1]]):

    a = get_random_points(n=7, scale=1) + c
    x,y, _ = get_bezier_curve(a,rad=rad, edgy=edgy)
    plt.plot(x,y)

plt.show()

我们可能会检查参数如何影响结果。这里基本上使用了 3 个参数:

  • rad,贝塞尔曲线控制点所在点周围的半径。这个数字是相对于相邻点之间的距离,因此应该在 0 和 1 之间。半径越大,曲线的特征越尖锐。
  • edgy,决定曲线平滑度的参数。如果为 0,曲线通过每个点的角度将是相邻点方向之间的平均值。它越大,角度就越多地由一个相邻点决定。因此曲线得到 "edgier".
  • n 要使用的随机点数。当然最少的点数是3。你使用的点数越多,形状的特征就越丰富;有在曲线中创建重叠或循环的风险。