图像像素上的 matplotlib 标记/掩码

Question

所以我有一个图像，并且我有该图像的像素掩码，其中掩码与图像大小相同，并且包含值 0 和 1，如果它是 0，我不想修改图像，如果是 1，我想在图像的该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。

现在我搜索了高低，但还没有找到一个简单的方法来做到这一点。我使用带有掩码的 np.where 来获取 1 的像素位置以与绘图函数一起使用。我首先尝试了标记尺寸较小且没有边缘颜色的散点图 (small scatter plot markers in matplotlib are always black)，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，透明度是受影响的和奇怪的图案是由重叠的标记创建的。

只是常规的 pyplot 绘图函数创建了我想要的确切外观（其中着色平滑且不受图形大小的影响），但它也着色了掩码中不相交段之间的水平连接（因为我猜它是画线），所以我不能用那个。

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，因此速度很慢。即使使用 PatchCollection 而不是每次调用 addPatch 时它仍然很慢。

现在我可能只需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。这两个都完成了（使用三个半透明的红色方块放在一个圆形图案上的例子），它们给出了相似的图像（所以我只展示一个）：

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.如果掩码或合成变得复杂，掩码数组可能是一种更直接的方法，并且掩码给出了您可以更灵活地绘制叠加图像，例如，您可以使用颜色图而不是为每个像素指定完整的 RGBA，但是，
2. 蒙版数组方法不能提供完整的像 RGBA 一样对 alpha 值进行逐像素控制。

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，但实际情况如下：主图像是从蓝色变为红色的圆形图案 (z3)。然后有一些垂直条隐隐约约地遮住了这个（z1），但只在图中的一半和另一半的窄交替对角带中（由于面具）。这是一个使用掩码数组的更复杂的图像：

Answer 2

只是补充一下 tom10 发布的内容，蒙版数组确实适用于颜色图，但同时我还编写了一个小函数，它应该适用于任何 RGB 颜色元组。

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，例如 mask.shape + (3,) = im.shape

col 只是您想要用来遮盖图像的 3 元组 rgb 值

alpha 只是遮罩的 alpha 值/透明度

Answer 3

我的区域还需要清晰的轮廓。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。 这是在 tom10 的答案之上构建的示例，但条件不同：

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：