如何用Python实现场景热力图绘制示例？
- 内容介绍
- 文章标签
- 相关推荐
本文共计947个文字，预计阅读时间需要4分钟。
在制作可视化的社群密度等数据时，可能会考虑使用热力图来直观展示。在Python中，绘制热力图非常方便。以下以识别图片中的人物并绘制热力图为例进行讲解。
步骤1：首先，识别图片中的人物。可以使用OpenCV库中的Haar特征分类器进行人脸检测。
pythonimport cv2
加载Haar级联分类器face_cascade=cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
读取图片image=cv2.imread('example.jpg')
转换为灰度图gray=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
检测人脸faces=face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
在原图上绘制人脸矩形框for (x, y, w, h) in faces: cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
显示结果cv2.imshow('Image', image)cv2.waitKey(0)cv2.destroyAllWindows()
步骤2：接下来，使用PIL库提取人脸区域，并绘制热力图。
pythonfrom PIL import Image, ImageDraw
提取人脸区域face=image[y:y+h, x:x+w]
创建热力图heatmap=Image.new('L', (face.width, face.height), 0)
绘制热力图draw=ImageDraw.Draw(heatmap)for i in range(face.width): for j in range(face.height): # 根据像素值设置热力图颜色 draw.point((i, j), fill=255 - int(face.getpixel((i, j)) * 255 / 255))
显示热力图heatmap.show()
这样，就完成了识别图片中的人物并绘制热力图的示例。在实际应用中，可以根据需求调整参数和算法，以达到更好的效果。
我们在做诸如人群密集度等可视化的时候，可能会考虑使用热力图，在Python中能很方便地绘制热力图。
下面以识别图片中的行人，并绘制热力图为例进行讲解。
- 步骤1：首先识别图像中的人，得到bounding box的中心坐标。识别方法多样化，坐标也可以自己定义。
- 步骤2：将所有中心坐标放入一个list类型的变量data中，即data = [[x1,y1] [x2,y2] …]
- 步骤3：绘制热力图，并将热力图加权叠加到原图上。
需要import的包：
import cv2 import numpy as np from PIL import Image from pyheatmap.heatmap import HeatMap import matplotlib.pyplot as plt
根据识别的结果得到data的值，传入以下apply_heatmap(image,data)绘制热力图;
def apply_heatmap(image,data): '''image是原图，data是坐标''' '''创建一个新的与原图大小一致的图像，color为0背景为黑色。这里这样做是因为在绘制热力图的时候如果不选择背景图，画出来的图与原图大小不一致（根据点的坐标来的），导致无法对热力图和原图进行加权叠加，因此，这里我新建了一张背景图。''' background = Image.new("RGB", (image.shape[1], image.shape[0]), color=0) # 开始绘制热度图 hm = HeatMap(data) hit_img = hm.heatmap(base=background, r = 100) # background为背景图片，r是半径，默认为10 # ~ plt.figure() # ~ plt.imshow(hit_img) # ~ plt.show() #hit_img.save('out_' + image_name + '.jpeg') hit_img = cv2.cvtColor(np.asarray(hit_img),cv2.COLOR_RGB2BGR)#Image格式转换成cv2格式 overlay = image.copy() alpha = 0.5 # 设置覆盖图片的透明度 cv2.rectangle(overlay, (0, 0), (image.shape[1], image.shape[0]), (255, 0, 0), -1) # 设置蓝色为热度图基本色蓝色 image = cv2.addWeighted(overlay, alpha, image, 1-alpha, 0) # 将背景热度图覆盖到原图 image = cv2.addWeighted(hit_img, alpha, image, 1-alpha, 0) # 将热度图覆盖到原图
网站上随意找一张图片进行实验：
原图如下：
结果如下：
可视化效果可以调节，如：通过调节hm.heatmap(base=background, r = 100)中的r即可调节热力点的半径大小。
以上就是python 绘制场景热力图的示例的详细内容，更多关于python 绘制热力图的资料请关注易盾网络其它相关文章！
本文共计947个文字，预计阅读时间需要4分钟。
在制作可视化的社群密度等数据时，可能会考虑使用热力图来直观展示。在Python中，绘制热力图非常方便。以下以识别图片中的人物并绘制热力图为例进行讲解。
步骤1：首先，识别图片中的人物。可以使用OpenCV库中的Haar特征分类器进行人脸检测。
pythonimport cv2
加载Haar级联分类器face_cascade=cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
读取图片image=cv2.imread('example.jpg')
转换为灰度图gray=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
检测人脸faces=face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
在原图上绘制人脸矩形框for (x, y, w, h) in faces: cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
显示结果cv2.imshow('Image', image)cv2.waitKey(0)cv2.destroyAllWindows()
步骤2：接下来，使用PIL库提取人脸区域，并绘制热力图。
pythonfrom PIL import Image, ImageDraw
提取人脸区域face=image[y:y+h, x:x+w]
创建热力图heatmap=Image.new('L', (face.width, face.height), 0)
绘制热力图draw=ImageDraw.Draw(heatmap)for i in range(face.width): for j in range(face.height): # 根据像素值设置热力图颜色 draw.point((i, j), fill=255 - int(face.getpixel((i, j)) * 255 / 255))
显示热力图heatmap.show()
这样，就完成了识别图片中的人物并绘制热力图的示例。在实际应用中，可以根据需求调整参数和算法，以达到更好的效果。
我们在做诸如人群密集度等可视化的时候，可能会考虑使用热力图，在Python中能很方便地绘制热力图。
下面以识别图片中的行人，并绘制热力图为例进行讲解。
- 步骤1：首先识别图像中的人，得到bounding box的中心坐标。识别方法多样化，坐标也可以自己定义。
- 步骤2：将所有中心坐标放入一个list类型的变量data中，即data = [[x1,y1] [x2,y2] …]
- 步骤3：绘制热力图，并将热力图加权叠加到原图上。
需要import的包：
import cv2 import numpy as np from PIL import Image from pyheatmap.heatmap import HeatMap import matplotlib.pyplot as plt
根据识别的结果得到data的值，传入以下apply_heatmap(image,data)绘制热力图;
def apply_heatmap(image,data): '''image是原图，data是坐标''' '''创建一个新的与原图大小一致的图像，color为0背景为黑色。这里这样做是因为在绘制热力图的时候如果不选择背景图，画出来的图与原图大小不一致（根据点的坐标来的），导致无法对热力图和原图进行加权叠加，因此，这里我新建了一张背景图。''' background = Image.new("RGB", (image.shape[1], image.shape[0]), color=0) # 开始绘制热度图 hm = HeatMap(data) hit_img = hm.heatmap(base=background, r = 100) # background为背景图片，r是半径，默认为10 # ~ plt.figure() # ~ plt.imshow(hit_img) # ~ plt.show() #hit_img.save('out_' + image_name + '.jpeg') hit_img = cv2.cvtColor(np.asarray(hit_img),cv2.COLOR_RGB2BGR)#Image格式转换成cv2格式 overlay = image.copy() alpha = 0.5 # 设置覆盖图片的透明度 cv2.rectangle(overlay, (0, 0), (image.shape[1], image.shape[0]), (255, 0, 0), -1) # 设置蓝色为热度图基本色蓝色 image = cv2.addWeighted(overlay, alpha, image, 1-alpha, 0) # 将背景热度图覆盖到原图 image = cv2.addWeighted(hit_img, alpha, image, 1-alpha, 0) # 将热度图覆盖到原图
网站上随意找一张图片进行实验：
原图如下：
结果如下：
可视化效果可以调节，如：通过调节hm.heatmap(base=background, r = 100)中的r即可调节热力点的半径大小。
以上就是python 绘制场景热力图的示例的详细内容，更多关于python 绘制热力图的资料请关注易盾网络其它相关文章！