Třírozměrná sada dat zobrazená s Matlablib colorlab (numpy: funkční příklad)

Sada dat v tomto příkladu je třírozměrná. Každá linie na grafu je vytvořena z hodnot x, y a barvy c. Proměnná x obsahuje hodnoty na ose x, y obsahuje hodnoty na ose y, a c určuje barvu, která je použita pro vykreslení linie. Takže ve smyslu grafické reprezentace jsou data třírozměrná.

# Importování knihovny NumPy pro práci s numerickými daty

import numpy as np

# Importování modulu pyplot z knihovny Matplotlib pro vizualizaci dat

import matplotlib.pyplot as plt

# Importování modulu matplotlib pro manipulaci s colormapami

import matplotlib as mpl

# Počet linií

n_lines = 100

# Vytvoření pole hodnot x od 0 do 10 s 100 body

# hodnoty jsou rovnoměrně rozložené mezi hodnotami start a stop. 

# Parametr num určuje počet bodů vytvořených v rozsahu.

x = np.linspace(0, 10, 100)

# Výpočet sinusových hodnot pro pole x

y = np.sin(x[:, None] + np.pi * np.linspace(0, 1, n_lines))

# Vytvoření pole hodnot s rostoucí posloupností od 1 do n_lines

c = np.arange(1, n_lines + 1)

# Vytvoření nové colormapy na základě původní 'jet' colormapy, 

# která je vzorkována na základě počtu linií n_lines. 

# To znamená, že nízký počet n_lines jako 20 jednoduše přeskočí

# zbytek barev v colormapě, takže na grafu se vytvoří mezery.

# Hodnota 100, ale vytvoří plynulý přechod mezi barvami, který

# připomíná barvy duhy.

cmap = mpl.colormaps['jet'].resampled(n_lines)

# Vytvoření objektu figury a osy s nastaveným DPI na 100

fig, ax = plt.subplots(dpi=100)

# Vykreslení scatter plotu s body na souřadnicích c, c a

# barvami z colormapy cmap

dummie_cax = ax.scatter(c, c, c=c, cmap=cmap)

# Vymazání obsahu osy (Axes) před vykreslením nových dat

ax.cla()

# Vykreslení čar pro každý sloupec v matici y.T 

# s barvou určenou podle colormapy cmap

# .T je transponovaná matice - řádky matice se stávají sloupci a

# naopak.

# Po provedení transpozice je matice y je iterována po řádcích a

# každé yi reprezentuje sloupec původní matice. 

for i, yi in enumerate(y.T):

ax.plot(x, yi, c=cmap(i))

# Přidání barevné stupnice ke grafu s colormapou cmap a značkami na základě hodnot v poli c, která odpovídají barevným hodnotám

fig.colorbar(dummie_cax, ticks=c, ax=ax)

# Zobrazení grafu

plt.show()

gnu code pro ColorPicker s Matplotlib a Tkinterem

 

import cv2 # Importování knihovny OpenCV pro manipulaci s obrázky

import matplotlib.pyplot as plt # Importování knihovny Matplotlib pro vizualizaci dat

from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg, NavigationToolbar2Tk # Importování nástrojů pro propojení Matplotlibu s Tkinterem

import tkinter as tk # Importování knihovny Tkinter pro tvorbu grafických uživatelských rozhraní

def main():

 <--- ODSAZENÍ PRO  FUNKCI MAIN ---> 

# Vytvoření okna Tkinteru

root = tk.Tk()

# Dialog pro výběr obrázku

filename = tk.filedialog.askopenfilename(

filetypes=(

("Images", (".bmp", ".jpg", ".png")), # Filtrování typů souborů

("All files", "*.*"),

)

)

if not filename: # Pokud uživatel nevybere žádný soubor, ukončíme funkci

return

# Načtení obrázku pomocí OpenCV a konverze barevného prostoru na RGB

image = cv2.cvtColor(cv2.imread(filename), cv2.COLOR_BGR2RGB)

# Vytvoření instance Matplotlibu pro zobrazení obrázku

fig, ax = plt.subplots()

ax.imshow(image)

# Propojení Matplotlibu s Tkinterem pomocí instance FigureCanvasTkAgg

fig_canvas = FigureCanvasTkAgg(fig, root)

# Získání widgetu Tkinteru pro zobrazení grafu a jeho umístění ve vizuálním rozhraní

# Argumenty:

# - expand=True: Graf se bude roztahovat, aby vyplnil veškerý dostupný prostor

# - fill=tk.BOTH: Graf se bude roztahovat jak horizontálně, tak vertikálně

fig_canvas.get_tk_widget().pack(expand=True, fill=tk.BOTH)

# Vytvoření navigační lišty pro interakci s grafem

fig_toolbar = NavigationToolbar2Tk(fig_canvas, root, pack_toolbar=False)

# Zobrazení navigační lišty v okně Tkinteru

# Argument fill=tk.X znamená, že navigační lišta bude vodorovně vyplněna dostupným prostorem

# tj. bude zabírat celou šířku okna

fig_toolbar.pack(fill=tk.X)

# Vytvoření canvasu pro zobrazení barevného vzorku pixelu

pixel_canvas = tk.Canvas(root, width=100, height=50, background="white")

pixel_canvas.pack() # Zobrazení canvasu v okně Tkinteru

# Vytvoření popisku pro zobrazení hodnot RGB a HLS pixelu

pixel_label = tk.Label(root, text="RGB: ---\nHLS: ---")

pixel_label.pack() # Zobrazení popisku v okně Tkinteru

# Vytvoření tlačítka pro spuštění akce "do stuff"

doit_button = tk.Button(root, text="do stuff")

doit_button.pack() # Zobrazení tlačítka v okně Tkinteru

# Funkce pro výběr barvy pixelu po kliknutí

def pick_color(event):

      if event.button != 1 or event.xdata is None:

            return

      x, y = int(event.xdata), int(event.ydata)

      # Získání hodnot RGB z pixelu v zobrazeném obrázku

      rgb = image[y, x]

      # Konverze na HLS

      hls = cv2.cvtColor(image[y : y + 1, x : x + 1], cv2.COLOR_RGB2HLS)[0, 0]

      # Konverze hodnot RGB na hexadecimální řetězec

      hex_rgb = "#%02X%02X%02X" % tuple(rgb)

      # Konverze hodnot HLS na hexadecimální řetězec

hex_hls = "#%02X%02X%02X" % tuple(hls)

      # Nastavení barvy canvasu na barvu pixelu

pixel_canvas.config(background=hex_rgb)

      # Nastavení textu popisku na hodnoty RGB a HLS

pixel_label.config(text=f"RGB: {hex_rgb}\nHLS: {hex_hls}")

# Funkce pro provedení akce "do stuff"

def do_stuff():

      print("hello")

# Připojení události kliknutí na obrázek k funkci pro výběr barvy pixelu

fig_canvas.mpl_connect("button_press_event", pick_color)

# Připojení události pohybu myší nad obrázkem k funkci pro výběr barvy pixelu

fig_canvas.mpl_connect("motion_notify_event", pick_color)

# Nastavení akce tlačítka "do stuff" na funkci "do_stuff"

doit_button.config(command=do_stuff)

# Spuštění hlavní smyčky Tkinteru pro zobrazení okna

root.mainloop()

 <--- KONEC FUNKCE MAIN ---> 

if __name__ == "__main__":

      main()

 

SHRNUTÍ POSTUPU PRO PŘIPOJENÍ TKINTERU DO MATLABLIB

Pro použití Tkinteru s Matplotlibem a propojení grafického uživatelského rozhraní Tkinter s vizualizací Matplotlib je potřeba splnit několik základních požadavků:

1. Importování potřebných knihoven: Importujeme knihovny Tkinter a Matplotlib.
   import tkinter as tk

   from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg, NavigationToolbar2Tk

   
   
2. Vytvoření okna Tkinteru: Vytvoříme okno, do kterého budeme umisťovat grafy a další prvky uživatelského rozhraní.

       root = tk.Tk()
   
   

3. Vytvoření instance Matplotlibu pro zobrazení grafu: Vytvoříme graf, který chceme zobrazit v aplikaci.

    fig, ax = plt.subplots()    
    ax.plot(x, y)
 

4. Propojení Matplotlibu s Tkinterem pomocí FigureCanvasTkAgg: Tímto krokem vytvoříme "plátno" pro zobrazení grafu v okně Tkinteru.

    fig_canvas = FigureCanvasTkAgg(fig, root)
       čili: 
     # Prop. pomocí instance FigureCanvasTkAgg
     fig_canvas = FigureCanvasTkAgg(fig, root)
     # Zobrazení plátna v okně Tkinteru
     fig_canvas.get_tk_widget().pack(expand=True, fill=tk.BOTH)

5. Získání widgetu Tkinteru pro zobrazení grafu: Získání widgetu, který obsahuje zobrazený graf a umístění tohoto widgetu ve vizuálním rozhraní.

    fig_widget = fig_canvas.get_tk_widget()
    fig_widget.pack(expand=True, fill=tk.BOTH)

6. Vytvoření navigační lišty Matplotlibu (Toolbar): Tato lišta poskytuje uživateli možnost interakce s grafem (např. přiblížení, vybírání oblastí atd.).

    fig_toolbar = NavigationToolbar2Tk(fig_canvas, root, pack_toolbar=False)

7. Zobrazení navigační lišty v okně Tkinteru: Vložení navigační lišty do okna Tkinteru.

    fig_toolbar.pack(fill=tk.X)

8. Vytvoření dalších prvků uživatelského rozhraní: Vytvoření dalších prvků, jako jsou tlačítka, popisky, vstupní pole atd.

pixel_canvas = tk.Canvas(root, width=100, height=50, background="white")

pixel_canvas.pack()

Tímto způsobem vytvoříme aplikaci, která zobrazuje Matplotlib grafy v okně Tkinteru a umožňuje uživatelům interakci s nimi.

CO ZNAMENÁ PROPOJIT INSTANCI FIGURE S INSTANCÍ TK CANVAS

Konkrétně tento řádek provádí následující:

1. Vytvoření instance FigureCanvasTkAgg: Tento krok vytváří novou instanci třídy FigureCanvasTkAgg, která je zodpovědná za propojení Matplotlib grafu s Tkinterem. Tato instance je inicializována s argumenty fig (Matplotlib figura, která obsahuje všechny vizuální prvky) a root (Tkinterovské okno, do kterého budeme umisťovat graf).

2. Propojení s Tkinterem:

   Po vytvoření instance FigureCanvasTkAgg je graf automaticky propojen s Tkinterem. To znamená, že všechny změny provedené v grafu pomocí Matplotlibu budou automaticky aktualizovány v Tkinteru a naopak.

3. Umožnění zobrazení grafu v okně Tkinteru:

   Instance FigureCanvasTkAgg obsahuje widget Tkinteru, který můžeme získat pomocí metody get_tk_widget(). Tento widget je poté zobrazen v okně Tkinteru pomocí metody pack() nebo jiné metody pro umístění widgetu v okně Tkinteru.