最近回顾了一下之前做过的项目，打算写一个“技多不压身”系列文章，主要是分享一些我在工作中不断探索发现新技术，拓宽视野并从中获益的微薄经验。有些技术也许现在跟你的工作无关，但是不久的将来可能会派上大用场，谓之“技多不压身”。
“人生苦短，就学Python”
Python近几年可谓大火，漫天都是Python与人工智能、大数据分析的课程，因此我也被这些神话般的宣传给带入了，开始接触Python，谈不上专业，仅仅是作为一项热门技术把玩一番。
我是一个懒惰的程序员
话不多说，直接上需求。某天，我们的产品奶奶提出了一个需求：绘制一个中国地图，不同省份或直辖市显示用户聚类的数据，类似效果如下：
图1
经过一番讨论，我们组内有人提出一个方案：
让设计师将每块区域切片，然后客户端来组装拼接这些图片。
很显然，这个方案有诸多弊端，我可不想花大把时间将一张一张图片拼接起来，厌恶重复性劳动的我内心非常排斥这个方案，苦思冥想一番后眼前突然一亮，是不是可以用一下万能的Python🤓：
利用Python丰富的图片处理库对图片进行处理，找出每个区域的轮廓，然后将每个轮廓的点坐标集合输出
0x0 环境准备
想要运行我的示例代码，你可能需要准备如下工作：
- 安装Python3
- 安装skimage
pip3 install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple
- 安装matplotlib
0x1 将图片转为黑白色
转成黑白
关键代码
#!/usr/bin/python
# -*- coding: UTF-8 -*-
from skimage import io,measure,data,color
img_file = io.imread('map.png')
# 先处理图像
rows,cols,a=img_file.shape
for i in range(rows):
for j in range(cols):
tmpColor = img_file[i,j]
if tmpColor[0] < 250 and tmpColor[0]>230:
tmpColor = [0,0,0,255]
img_file[i, j] = tmpColor
io.imsave('test.png',img_file)
因为这张图片颜色比较单一，所以逐个像素对比，将非白色的像素全部设置为黑色即可。
0x2 利用skimage进行边缘检测
我们先将图片进行二值化处理，然后使用measure.find_contours方法检测边缘轮廓，将结果用matplotlib绘制出来，同时将每一个轮廓像素点坐标集合保存为文件：
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
from skimage import io,measure,data,color
img_file = io.imread('map.png')
# 1.先处理图像
rows,cols,a=img_file.shape
for i in range(rows):
for j in range(cols):
tmpColor = img_file[i,j]
if tmpColor[0] < 250 and tmpColor[0]>230:
tmpColor = [0,0,0,255]
img_file[i, j] = tmpColor
# 2.生成二值测试图像
img=color.rgb2gray(img_file)
# 3.检测所有图形的轮廓
contours = measure.find_contours(img, 0.5)
# 4.输出坐标点集合
for i in range(0,len(contours)):
fileName = 'outPut'+str(i)+'.txt'
text = ''
tmpcontour = contours[i]
for n, contour in enumerate(tmpcontour):
tmpText = str(contour[0])+','+str(contour[1])+'\n'
text = text+tmpText
try:
with open(fileName, "a+") as code:
code.write(text)
except Exception as e:
print(str(e))
# 5.绘制轮廓
fig, axes = plt.subplots(1,2,figsize=(8,8))
ax0, ax1= axes.ravel()
ax0.imshow(img,plt.cm.gray)
ax0.set_title('original image')
rows,cols=img.shape
ax1.axis([0,rows,cols,0])
for n, contour in enumerate(contours):
ax1.plot(contour[:, 1], contour[:, 0], linewidth=2)
ax1.axis('image')
ax1.set_title('contours')
plt.show()
轮廓预览图
至此，我们得到了每个省或直辖市的轮廓坐标集合数据：outPut*.txt。
0x3 利用坐标集合绘制地图
利用iOS的CAShapeLayer绘制地图即可（当然，这里不局限于iOS，安卓也可以把坐标集合数据用对应的绘制api实现）。
绘制完成你会发现有一些脏数据，可以通过逐个轮廓绘制的方法找出重复或者无效的轮廓：
效果演示
总结：利用Python获取地图的边缘轮廓，从而转化为坐标点集合，有以下优点：
- 地图的绘制是矢量的，可以任意缩放不失真
- 地图的颜色可以任意定制
- 地图的区域可以轻松实现点击高亮效果
本文为作者原创，转载请注明出处，如果你觉得这篇文章对你有帮助或启发，欢迎❤️~
网友评论