如何在 Bokeh 中处理图像
在本文中，我们将看到如何在 Bokeh 中处理图像。
为此，我们将使用 ImageURL 字形。这个字形渲染从给定网址加载的图像。
语法:图像 URL('url '，' x '，' y '，' w '，' h '，' angle '，' dilate ')
论据:
- 网址:需要检索图像的网址。
- x = NumberSpec(默认=字段(“x”)，定位图像锚点的 x 坐标。
- y = NumberSpec(默认=字段(“y”)，定位图像锚点的 y 坐标。
- w = NullDistanceSpec，图像将在数据空间中占据的绘图区域的宽度。默认值为“无”，在这种情况下，图像将以其实际图像大小显示。
- h = NullDistanceSpec，图像将在数据空间中占据的绘图区域的高度。默认值为“无”，在这种情况下，图像将以其实际图像大小显示(与此处指定的单位无关)。
- 角度 =角度规格(默认值=0)，图像旋转的角度，从水平方向测量。
- 全局 _alpha =浮动(1.0)，每个图像渲染时的整体不透明度。
- 放大 = Bool(False)，是否总是对分数像素位置进行舍入，以使图像变大。如果像素舍入误差导致图像之间有间隙，则此设置可能很有用，此时它们应该看起来齐平。
- 锚 = Enum(锚)，图像的什么位置应该锚定在‘x’，‘y’坐标。
- 重试次数 = Int(0)，尝试从指定的网址重新加载图像的次数。默认值为零。
- retry_timeout = Int(0)，从指定 URL 加载图像的重试尝试之间的超时(毫秒)。默认值为零毫秒。
示例 1:从网址导入图像
在这个例子中，我们从给定的网址加载图像，然后在图上渲染图像。在这个例子中，我们从网络上加载图像，也可以在本地加载。这里，我们在图上显示了两个具有不同参数值(如 x、y、w、h 等)的图像。你可以观察输出，以便更好地理解。
计算机编程语言
# importing numpy package and other libraries
import numpy as np
from bokeh.io import curdoc, show
from bokeh.models import ColumnDataSource, Grid, ImageURL, LinearAxis, Plot, Range1d
from bokeh.plotting import figure
# url to load image from
url = "https://media.geeksforgeeks.org/wp-content/\
uploads/20210829161730/logo.png"
N = 5
# creating columndatasource
source = ColumnDataSource(dict(
url=[url]*N,
x1=np.arange(N),
y1=np.arange(N),
w1=[35]*N,
h1=[64]*N,
))
# creating x and y axis range
xdr = Range1d(start=-100, end=300)
ydr = Range1d(start=-100, end=300)
# creating a plot with above x and y axes range
plot = Plot(
title=None, x_range=xdr, y_range=ydr,
plot_width=400, plot_height=400,
min_border=0, toolbar_location=None)
# loading the image using imageUrl
image = ImageURL(url=["https://media.geeksforgeeks.org/\
wp-content/uploads/20210829161730/logo.png"],
x=50, y=80, w=200, h=250, anchor="bottom_left")
image1 = ImageURL(url="url", x="x1", y="y1", w="w1",
h="h1", anchor="center")
# rendering the images to the plot
plot.add_glyph(source, image)
plot.add_glyph(source, image1)
xaxis = LinearAxis()
plot.add_layout(xaxis, 'below')
yaxis = LinearAxis()
plot.add_layout(yaxis, 'left')
# adding grid lines to the plot
plot.add_layout(Grid(dimension=0, ticker=xaxis.ticker,
grid_line_color='#00ff00'))
plot.add_layout(Grid(dimension=1, ticker=yaxis.ticker,
grid_line_color='#00ff00'))
# creates output file
curdoc().add_root(plot)
curdoc().theme = 'caliber'
# showing the plot on output file
show(plot)
输出:
解释:
- 我们正在创建 ColumnDataSource，它为我们绘图的字形提供数据。Bokeh 有自己的数据结构，称为 ColumnDataSource，可以用作任何 Bokeh 对象的输入。我们正在用 NumPy 数组创建数据。
- 现在使用 range1d 创建 x 和 y 范围，它在标量维度中创建一个范围，然后将其分配给 xdr 和 ydr，我们将在创建图时使用它们。
- 然后我们用 xdr 和 ydr 作为 x_range 和 y_range 创建图，并将图的高度和宽度设置为 400。
- 然后，我们通过设置代码中显示的所有参数值，从之前声明的 URL 中检索图像。我们在这里使用了两幅图像，给出了不同的值。
- 现在，我们将图像渲染到图中。
- 接下来，我们使用网格功能将网格线添加到图中，并赋予它“绿色”。
- 然后，我们将该图添加到表示新文档的应用程序代码 curdoc 中，并将其发送到 bokehJs 以向用户显示。
示例 2:创建圆形标志符号
在本例中，我们创建了一个带有圆形字形的图形，然后使用字形 ImageURL 从给定的 URL 简单地渲染图像。
计算机编程语言
# importing numpy package and other libraries
import numpy as np
from bokeh.io import curdoc, show
from bokeh.models import ColumnDataSource, Grid, ImageURL, LinearAxis, Plot, Range1d
from bokeh.plotting import figure
# create dict as basis for ColumnDataSource
data = {'x1': [10, 20, 30, 40, 50],
'y1': [60, 70, 80, 90, 100]}
# create ColumnDataSource based on dict
source = ColumnDataSource(data=data)
# creating figure
p = figure(plot_height=500, plot_width=500)
p.circle(x="x1", y="y1", size=20, source=source)
# rendering the image using imageUrl
image = ImageURL(url=["https://media.geeksforgeeks.org/\
wp-content/uploads/20210902155548/imgurl2-200x112.jpg"],
x=80, y=100, w=50, h=40, anchor="center",
retry_attempts=2)
# adding the images to the plot
p.add_glyph(source, image)
# creates output file
curdoc().add_root(p)
# showing the plot on output file
show(p)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
