如何计算椭圆区域内的平均像素值

Question

我想比较一个区域内像素强度的差异，对于这样的任务，我正在尝试使用 matplotlib 将椭圆绘制到 tiff 格式文件。我想做的是画两个椭圆来区分眼睛和巩膜，通过画两个椭圆来分开两者并获得两个区域的平均值，例如：

我想分别计算第一个椭圆区域和第二个区域内的平均值，以观察这两个区域之间的差异。

这是生成椭圆的示例，我想从两个区域内计算均值：

Image with elipses

用于坐标可视化的 Tiff 图像图：

用于生成省略号的代码：

import matplotlib.image
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
figure, ax = plt.subplots(1)
ax.imshow(img)
ax.add_patch(mpatches.Ellipse((30, 24),15,8, edgecolor='black', facecolor="none"))
ax.add_patch(mpatches.Ellipse((30, 24),30,16, edgecolor='black', facecolor="none"))
img_PIL.save(r'C:/Users/image/eye.tif')

Answer 1

您可以定义一个椭圆的方程并将其用作掩码，以查看 tiff 数组元素是否在定义的椭圆内，如果是，则对它们进行平均，如下所示：

import numpy as np
import matplotlib.pyplot as plt
plt.ion()

#read/define the tiff array
img_array = np.random.rand(101,101)
plt.contourf(img_array)

#define ellipse parameters and equation (google equation for ellipse)
h = 51
k = 51
a = 10
b = 30

def _in_ellipse(x, y, h, k, a, b):
    z = ((x-h)**2)/a**2 + ((y-k)**2)/b**2
    if z < 1: #the equation is ^ this expression == 1
        return True
    else:
        return False

#vectorize for using on arrays
in_ellipse = np.vectorize(_in_ellipse)

#make a True mask within ellipse
mask = in_ellipse(*np.indices(img_array.shape), h,k,a,b)
plt.contourf(mask)

plt.contourf(np.where(mask, img_array, np.nan))

avg = np.nanmean(np.where(mask, img_array, np.nan))

如果您想调整蒙版在椭圆圆周上的行为方式，还可以在其中添加一个阈值关键字

def _in_ellipse(x, y, h, k, a, b, thresh=1):
    z = ((x-h)**2)/a**2 + ((y-k)**2)/b**2
    if z < thresh:
        return True
    else:
        return False

in_ellipse = np.vectorize(_in_ellipse)
mask = in_ellipse(*np.indices(img_array.shape), h,k,a,b,1.02)

当然还有更精细的方法，也许是 opencv 方法，但这是最简单的方法