使用 numpy 和 matplotlib 覆盖图像分割答案

【问题标题】：Overlay an image segmentation with numpy and matplotlib使用 numpy 和 matplotlib 覆盖图像分割
【发布时间】：2015-10-30 21:01:48
【问题描述】：

我正在尝试叠加两个图像。第一个是 512x512 NumPy 阵列（来自 CT 图像）。第二个也是一个 512x512 NumPy 数组，但我只对值大于 0 的像素感兴趣（功能图像）。

为此，我正在尝试创建一个掩码数组。

import numpy as np 
import numpy.ma as ma
import matplotlib.pyplot as plt

# Both images are loaded from a dicom. Both are numpy arrays of (512,512) 
Image1 = readimage(path)
Image2 = readimage(path)
# Create image 2 mask
mask = ma.masked_where(Image2>0, Image2)
Image2_mask = ma.masked_array(Image2,mask)

# Plot images
plt.figure(dpi=300)
y, x = np.mgrid[1:513,1:513]
plt.axes().set_aspect('equal', 'datalim')
plt.set_cmap(plt.gray())
plt.pcolormesh(x, y, Image1,cmap='gray')
plt.pcolormesh(x, y, Image2_mask,cmap='jet')
plt.axis([x.min(), x.max(), y.min(), y.max()])
plt.colorbar()
plt.show()

此代码不显示任何叠加层。我做错了什么？有没有直接的方法？我来自 Matlab 环境，对 Python 还是很陌生。

【问题讨论】：

能否请您也提供这段代码的开头？ e.g. ma = ...
我编辑了帖子以包含代码的第一部分。这两个图像都是从一个从 CT dicom 中提取的函数加载的，我相信这并不重要。图片类型为：Image.dtype Out[33]: dtype('int16')

标签： python arrays image numpy matplotlib

【解决方案1】：

你为什么不改用imshow？

您可以通过以下方式绘制 2D 图像：

plt.imshow(Image1, cmap='gray') # I would add interpolation='none'

之后，您可以通过以下方式轻松叠加分割：

plt.imshow(Image2_mask, cmap='jet', alpha=0.5) # interpolation='none'

更改 alpha 将更改叠加层的不透明度。

另外，你为什么要创建 2 个面具？一个就够了，你可以这样做：

Image2_mask = ma.masked_array(Image2 > 0, Image2)

实际例子：

import numpy as np
mask = np.zeros((10,10))
mask[3:-3, 3:-3] = 1 # white square in black background
im = mask + np.random.randn(10,10) * 0.01 # random image
masked = np.ma.masked_where(mask == 0, mask)

import matplotlib.pyplot as plt
plt.figure()
plt.subplot(1,2,1)
plt.imshow(im, 'gray', interpolation='none')
plt.subplot(1,2,2)
plt.imshow(im, 'gray', interpolation='none')
plt.imshow(masked, 'jet', interpolation='none', alpha=0.7)
plt.show()

【讨论】：

【解决方案2】：

我可以给你我的函数两个重叠的图片和数据集的掩码：

def get_overlapped_img(filename, img_folder, mask_folder):
# Import orginal img
img = cv2.imread(img_folder+"/"+filename+".jpg")

# Import and convert the mask from binary to RGB
mask = Image.open(mask_folder+"/"+filename+".png").convert('RGB')
width, height = mask.size

# Convert the white color (for blobs) to magenta
mask_colored = change_color(mask, width, height, (255, 255, 255), (186,85,211))
# Convert the black (for background) to white --> important to make a good overlapping
mask_colored = change_color(mask_colored, width, height, (0, 0, 0), (255,255,255))

return cv2.addWeighted(np.array(img),0.4,np.array(mask_colored),0.3,0)

改变图片中每个像素颜色的功能：

def change_color(picture, width, height, ex_color, new_color):
# Process every pixel
for x in range(width):
    for y in range(height):
        current_color = picture.getpixel( (x,y) )
        if current_color == ex_color:
            picture.putpixel( (x,y), new_color)
return picture

【讨论】：

【解决方案3】：

虽然不是直接使用 matplotlib，但一种替代方法是使用构建在 matplotlib 之上的nilearn。如果使用 nifti 文件（神经影像学中的典型扩展名），您可以使用函数 plot_roi 或 add_overlay。

例如，正如this thread 中所建议的，您可以这样写：

>>> from nilearn import plotting
>>> display = plotting.plot_anat('path/to/volume.nii.gz')  # plot volume 
>>> display.add_overlay('path/to/mask.nii.gz',cmap='hot', colorbar=True)  # add mask

如果您只对某些平面/视图感兴趣，您可以使用参数display_mode 和cut_coords

最终结果将类似于：

【讨论】：