Manim社区版颜色系统升级解析:从Colour到ManimColor的迁移指南
2025-05-04 23:41:30作者:仰钰奇
背景介绍
Manim社区版在v0.18.1版本中对颜色处理系统进行了重大重构,这导致许多基于旧版本编写的代码无法正常运行。本文将以一个典型示例为切入点,深入分析新旧版本颜色系统的差异,并提供详细的迁移方案。
问题现象
在旧版Manim中,开发者可以使用colour库的Color类来创建颜色对象,例如:
Color(hue=j/5, saturation=1, luminance=0.5)
但在v0.18.1版本中,这种写法会抛出ValueError: Failed to parse a color from red错误。这是因为Manim社区版已经完全重构了其颜色系统,移除了对第三方colour库的直接依赖,转而使用内置的ManimColor类。
技术解析
新旧颜色系统对比
-
旧系统(v0.18.1之前)
- 依赖第三方
colour库 - 使用HSL(色相、饱和度、亮度)色彩模型
- 颜色对象需要转换为字符串表示
- 依赖第三方
-
新系统(v0.18.1及以后)
- 内置
ManimColor类 - 默认使用HSV(色相、饱和度、明度)色彩模型
- 提供更直接的颜色操作方法
- 更好的类型提示和错误处理
- 内置
关键变更点
- 移除了对
colour.Color的直接支持 - 引入了
ManimColor.from_hsv()等工厂方法 - 简化了颜色操作API
- 改进了颜色解析逻辑
解决方案
要将旧代码迁移到新版本,需要进行以下修改:
- 导入变更
from manim import ManimColor # 替换from colour import Color
- 颜色创建方式变更
# 旧代码
Color(hue=j/5, saturation=1, luminance=0.5)
# 新代码
ManimColor.from_hsv([j/5, 1.0, 0.5])
- 完整示例修正
import numpy as np
from manim import (
PI, RIGHT, DrawBorderThenFill,
RegularPolygon, ManimColor,
Rotate, Scene, VGroup,
smooth, there_and_back
)
class BasicAnimations(Scene):
def construct(self):
polys = VGroup(
*[
RegularPolygon(
5,
radius=1,
fill_opacity=0.5,
color=ManimColor.from_hsv([j/5, 1.0, 0.5])
)
for j in range(5)
]
).arrange(RIGHT)
self.play(DrawBorderThenFill(polys), run_time=2)
self.play(
Rotate(polys[0], PI, rate_func=lambda t: t),
Rotate(polys[1], PI, rate_func=smooth),
Rotate(polys[2], PI, rate_func=lambda t: np.sin(t*PI)),
Rotate(polys[3], PI, rate_func=there_and_back),
Rotate(polys[4], PI, rate_func=lambda t: 1-abs(1-2*t)),
run_time=2,
)
self.wait()
额外注意事项
-
速率函数修正:原代码中
there_and_back的使用方式不正确,应该直接传递函数对象而非包装在lambda中。 -
色彩模型差异:虽然HSV和HSL都使用色相(Hue)作为参数,但它们的饱和度和亮度/明度计算方式不同,可能导致颜色显示略有差异。
-
未来兼容性:Manim社区版计划在v0.19版本中进一步改进颜色系统,建议关注官方更新日志。
总结
Manim社区版v0.18.1的颜色系统重构带来了更一致和可靠的色彩处理方式。开发者需要将原有的colour.Color用法迁移到新的ManimColorAPI。理解这些变更不仅有助于解决当前的兼容性问题,也为适应未来版本的变化打下了基础。
对于从旧教程学习Manim的开发者,建议参考官方最新文档而非完全依赖历史教程,特别是在核心功能发生重大变更的情况下。这种主动跟进社区发展的做法,是保持代码可维护性的关键。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
309
Ascend Extension for PyTorch
Python
221
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.86 K
React Native鸿蒙化仓库
JavaScript
260
322