【Python小程序】生成词云图

def binarize_image(image_path, threshold=128):
    """
    读取图像并进行二值化处理。

    :param image_path: 图像的路径。
    :param threshold: 二值化的阈值，默认值为128。
    :return: 二值化后的图像（numpy数组）。
    """
    # 使用Pillow读取图像
    image = Image.open(image_path).convert('L')  # 转换为灰度图
    
    # 将图像转换为numpy数组
    image_array = np.array(image)
    
    # 进行二值化处理，使用THRESH_BINARY_INV得到黑色前景和白色背景的图像
    _, binary_image_array = cv2.threshold(image_array, threshold, 255,  cv2.THRESH_BINARY_INV)
    
    return binary_image_array

def visualize_image(image_array, title='Image'):
    """
    可视化图像。

    :param image_array: 要可视化的图像（numpy数组）。
    :param title: 图像标题。
    """
    # 将numpy数组转换为matplotlib可显示的格式
    if len(image_array.shape) == 2:  # 灰度图
        plt.imshow(image_array, cmap='gray')
    elif len(image_array.shape) == 3 and image_array.shape[2] == 3:  # 彩色图
        plt.imshow(cv2.cvtColor(image_array, cv2.COLOR_BGR2RGB))  # OpenCV默认是BGR格式，需要转换为RGB
    else:
        raise ValueError("Unsupported image format")
    
    plt.title(title)
    plt.axis('off')  # 关闭坐标轴
    plt.show()

# 示例使用
image_path = 'mask_image.png'# 替换为你的图像路径
binary_image = binarize_image(image_path, threshold=128)  # 进行二值化处理，可以根据需要调整threshold值以获得更好的效果
visualize_image(binary_image, title='Binarized Image')  # 可视化二值化后的图像

# 定义停用词列表
stopwords = set([
    '的','等', '了', '在', '是', '我', '你', '他', '她', '它', '们', '有', '和', '与', '或', '而', '且',
    '但', '或', '因为', '所以', '虽然', '然而', '如果', '那么', '这些', '那些', '这个', '那个', '这些',
    '那些', '一个', '一种', '以上', '以下', '之前', '之后', '现在', '曾经', '已经', '正在', '将要',
    '可以', '能够', '会', '应该', '必须', '可能', '大概', '也许', '比如', '例如', '等等', '之类'
    # 可以根据需要继续添加停用词
])

def generate_wordcloud_with_mask(file_path, mask_image_path, output_image_path, font_path):
    """
    使用指定的文本文件和掩码图像生成带有掩码的词云图。
 
    :param file_path: 文本文件的路径，该文件包含用于生成词云的文本内容。
    :param mask_image_path: 掩码图像的路径。该图像将被二值化处理，并用作生成词云的形状掩码。
    :param output_image_path: 生成的词云图的保存路径。
    :param font_path: 字体文件路径。
    """
    # 读取文件内容
    with open(file_path, 'r', encoding='utf-8') as file:
        text = file.read()
    
    # 使用jieba进行中文分词
    wordlist = jieba.lcut(text)
    
    # 去除停用词
    filtered_wordlist = [word for word in wordlist if word not in stopwords]
    
    # 使用空格将分词结果连接成字符串
    text_space_split = ' '.join(filtered_wordlist)
    
    # 对掩码图像进行二值化处理
    mask = binarize_image(mask_image_path, threshold=128)
    
    # 生成词云
    wordcloud = WordCloud(font_path=font_path,  # 字体文件路径
                          width=800,
                          height=400,
                          background_color='white',
                          mask=mask,  # 使用二值化后的掩码图像
                          max_words=200,  # 指定要显示的词的最大个数，默认值为200
                          contour_width=3,  # 轮廓宽度，可选
                          contour_color='firebrick'# 轮廓颜色，可选
                         ).generate(text_space_split)
    
    # 显示词云图
    plt.figure(figsize=(10, 5))
    plt.imshow(wordcloud, interpolation='bilinear')
    plt.axis('off')  # 关闭坐标轴
    plt.show()
    
    # 保存词云图到文件
    wordcloud.to_file(output_image_path)

if __name__ == '__main__':
    input_file_path = 'your_input_file.txt'# 替换为你的TXT文件路径
    mask_image_path = 'mask_image.png'# 替换为你的掩码图像路径（应该是灰度图或可以转换为灰度图的彩色图）
    output_image_path = 'wordcloud_with_mask.png'# 输出的词云图路径
    font_path='simhei.ttf'# 替换为你的字体文件路径
    
    generate_wordcloud_with_mask(input_file_path, mask_image_path, output_image_path, font_path)