图像像素上的 matplotlib 标记/掩码

Question

所以我有一个图像，我有一个该图像的像素蒙版，其中蒙版与图像大小相同，包含值 0 和 1，如果是 0，我不想修改图像，如果它是 1，我想在图像的那个像素上添加透明颜色。

基本上我想突出显示图像的某些部分，但仍能看到下面的内容。

现在我到处搜索，但没有找到一个简单的方法来做到这一点。我使用 np.where 和掩码来获取 1 的像素位置以用于绘图函数。我首先尝试了具有小标记大小且没有边缘颜色（small scatter plot markers in matplotlib are always black）的散点图，但标记的大小不是一个图像像素，它们似乎是绝对大小，因此取决于图形的大小透明度受到影响，重叠的标记会产生奇怪的图案。

只是常规的 pyplot plot 函数创建了我想要的精确外观（其中着色平滑且不随图形大小变化）但它也为掩码中不相交的段之间的水平连接着色（我猜是因为它是画线），所以我无法使用它。

最有效的是补丁，我在这个问题中遇到过：(How to set a fixed/static size of circle marker on a scatter plot?)。我发现宽度和高度为 1 的矩形块给了我想要的效果，我可以在图像的某些像素上放置透明颜色。然而，事实证明这会为某些图像生成大量（数万个）矩形，因此速度非常慢。即使每次使用 PatchCollection 而不是调用 addPatch 时它仍然很慢。

现在我可能只连接相邻的矩形以减少需要绘制的东西的数量，但我只是想知道是否有更简单的方法来做到这一点？

谢谢。

Answer 1

您可以使用 蒙版数组 或通过在 RGBA 图像 中设置 alpha 值来进行半透明叠加。这两个都是经过处理的（使用放置在圆形图案上的三个半透明红色方块的示例），并且它们提供相似的图像（所以我只显示一个）：

from pylab import *
from numpy import ma

x = y = linspace(-6, 6, 100)
X, Y = meshgrid(x, y)

z3 = X*X + Y*Y  # circular pattern

# first, do this with a masked array
figure()
# z4 = 3 diagonal square
# zm = a uniform image (ones), with a mask of squares (~z4)
z4 =  np.repeat(np.repeat(eye(3, dtype=bool), 40, axis=0), 40, axis=1)
zm = ma.masked_where(~z4, ones((120,120)))
imshow(z3, cmap=cm.jet)
imshow(zm, cmap=cm.bwr, alpha=.3, vmin=0, vmax=1) #cm.bwr is an easy way to get red

# do this by changing alpha for each pixel
figure()
z5 = zeros((120, 120, 4), dtype=float)
z5[..., 0] = 1
z5[..., 3] = .4*z4.astype(float)
imshow(z3, cmap=cm.jet)
imshow(z5)

show()

我认为这两种方法在所有情况下都可以产生相同的结果，但是：
1. 如果蒙版或合成变得复杂，蒙版数组可能是一种更直接的方法，并且蒙版可以让您更灵活地绘制叠加图像，因为例如，您可以使用颜色图而不是比为每个像素指定完整的 RGBA，但是，
2. 掩码数组方法无法像 RGBA 那样完全 pixel-by-pixel 控制 alpha 值。

z1 = sin(X*Y)
z1 = cos(2*X)
z2 = cos(5*(X+Y))

zm = ma.masked_where( (z2<.5) & (Y>0), z1)

figure()
imshow(z3)
imshow(zm, cmap=cm.gray, alpha=.4, vmin=-2, vmax=2)
show()

这有点疯狂，但事情是这样的：主图像是一个从蓝色到红色的圆形图案 (z3)。然后有一些垂直条淡淡地遮蔽了它（z1），但只在图形的一半和另一半的窄交替对角线带中（由于遮罩）。这是使用掩码数组的更复杂的图像：

Answer 2

补充一下 tom10 发布的内容，掩码数组在颜色图上效果很好，但同时我还编写了一个小函数，它应该可以与任何 RGB 颜色元组一起使用。

def overlayImage(im, mask, col, alpha):
    maskRGB = np.tile(mask[..., np.newaxis], 3)
    untocuhed = (maskRGB == False) * im
    overlayComponent = alpha * np.array(col) * maskRGB
    origImageComponent = (1 - alpha) * maskRGB * im
    return untocuhed + overlayComponent + origImageComponent

im 是 rgb 图像

mask 是图像的布尔掩码，这样 mask.shape + (3,) = im.shape

col 只是您要用

遮罩图像的 3 元组 rgb 值

alpha 只是蒙版的 alpha 值/透明度

Answer 3

我还需要在我的区域有一个清晰的轮廓。因此，您可以轻松地在顶部添加等高线图：例如，创建一个虚拟 numpy 数组并在每个感兴趣的区域设置不同的值。这是一个基于 tom10 的不同条件的答案的示例：

x = y = linspace(-6, 6, 100)
X, Y = meshgrid(x, y)

z3 = X*X + Y*Y  # circular pattern

# first, do this with a masked array
figure()
imshow(z3, cmap=cm.jet, extent = (-6,6,-6,6));
zm = ma.masked_where((z3>=0.7) & (z3<=1.5), ones(np.shape(z3)));
imshow(zm, cmap=cm.bwr, alpha=.4, vmin=0, vmax=1, extent = (-6,6,-6,6)) #cm.bwr is an easy way to get red
# Build dummy array of 1s and 0s (you can play with different values to obtain different contours for different regions):
temp_vector = ones(np.shape(z3));
temp_vector[(z3>=0.7) & (z3<=1.5)] = 0.0;
temp_vector[(z3>8.2)] = 2.0; # etc.
# Create contour. I found only one contour necessary:
contour(X, Y, temp_vector, 1, colors=['r','g']);


show()

产生：

图像像素上的 matplotlib 标记/掩码

matplotlib markers / mask on image pixels

python

matplotlib