1. 引言

热力图，是一种通过对色块着色来显示数据的统计图表。绘图时，需指定颜色映射的规则。例如，较大的值由较深的颜色表示，较小的值由较浅的颜色表示；较大的值由偏暖的颜色表示，较小的值由较冷的颜色表示，等等。

本文主要用Python来实现热力图的制作，样例如下：

闲话少说，我们直接开始吧！

2. 读取图像

首先，我们来读取样例图像，并对其进行相应的crop操作。
样例代码如下：

import numpy as np 
import matplotlib.pyplot as plt
import skimage.io as io
img = plt.imread("butterfly-7320158_960_720.jpg")
# crop
img_cut = img[147:447,:,:]
plt.figure()
plt.imshow(img_cut)

运行后，得到结果如下：

3. 图像灰度化

由于热力图主要用于可视化二维矩阵，所以我们需要将彩色图转化为灰度图，代码如下：

from skimage.color import rgb2gray
gray_img = rgb2gray(img_cut)
plt.imshow(gray_img,cmap='gray')

运行结果如下：

4. 像素化效果

这一步的操作主要是为了使图像看起来像像素化的艺术品。我们首先将图像划分为非重叠block块。我们将block块的大小划分的越大，像素化程度看起来越高。

对于每个block块，我们计算该块中一些代表值。在这里，我们可以使用整个块的最小值，最大值或中值。这里仅展示最小值的情形，代码如下：

from skimage import util

# select box size
block_shape = (10, 10) 
view = util.view_as_blocks(gray_img, block_shape)

# collapse the last two dimensions in one
flatten_view = view.reshape(view.shape[0], view.shape[1], -1)

# choose min within box
min_view = np.min(flatten_view, axis=2)

plt.imshow(min_view,cmap='gray')

运行结果如下：

5. 为热力图选择调色板

这一步是我们创作热力图艺术效果自由度最高的步骤。seaborn调色板可能是一个很好的选择。我们来看一些不同风格的效果图：

import seaborn as sns

# save figure for LinkedIn recommended size (2000 width, 600 height)
my_dpi=96
plt.figure(figsize=(2000/my_dpi, 600/my_dpi), dpi=my_dpi) 
sns.heatmap(max_view,xticklabels=False,yticklabels=False,cmap="coolwarm",cbar=False)
plt.savefig("coolwarm.png",bbox_inches='tight')

结果如下：

此外，viridis风格结果如下：

Spectral风格结果如下：

6. 总结

本文介绍了如何在Python中一步一步地实现热力图艺术风格图，并展示了不同调色板设置下的效果图，并给出了相应的代码示例。

您学废了嘛？