Matplotlib 基于“a”的等高线；标签面具“；

我有一些用轮廓算法提取特征的图像（我正在做天体物理源提取）。这种方法产生一个“特征映射”，每个像素都用一个整数“标记”（通常每个映射有1000个独特的特征）

我想将每个单独的特征显示为它自己的轮廓

我可以做到这一点的一个方法是：

for ii in range(labelmask.max()):
    contour(labelmask,levels=[ii-0.5])

然而，这是非常缓慢的，尤其是对于大型图像。有更好（更快）的方法吗

附言。 一点测试表明，这并不快

根据@tcaswell的评论，我需要解释为什么

轮廓（标签，级别=np.unique（级别）+0.5））

或类似的东西不起作用：

1. Matplotlib spaces each subsequent contour "inward" by a linewidth to avoid overlapping contour lines.  This is not the behavior desired for a labelmask.
2. The lowest-level contours encompass the highest-level contours
3. As a result of the above, the highest-level contours will be surrounded by a miniature version of whatever colormap you're using and will have extra-thick contours compared to the lowest-level contours.

---

很抱歉回答我自己的问题。。。急躁（和好运）战胜了我

关键是使用matplotlib的低级C例程：

I = imshow(data)
E = I.get_extent()
x,y = np.meshgrid(np.linspace(E[0],E[1],labels.shape[1]), np.linspace(E[2],E[3],labels.shape[0]))

for ii in np.unique(labels):
    if ii == 0: continue
    tracer = matplotlib._cntr.Cntr(x,y,labels*(labels==ii))
    T = tracer.trace(0.5)
    contour_xcoords,contour_ycoords = T[0].T
    # to plot them:
    plot(contour_xcoords, contour_ycoords)

---

请注意，

labels*（labels==ii）

会将每个标签的轮廓放置在稍微不同的位置；如果您希望相邻标签之间的轮廓重叠，请将其更改为just

labels==ii

。

我会尝试将您交给轮廓的图像掩蔽到感兴趣的区域，提取它返回的路径，然后将它们移动到正确的位置。或者在你的面具上使用某种边缘检测。边缘检测有什么帮助？我认为“面具”的形象应该已经尽可能前卫了。。。是否有将锐边转换为可用作等高线的点集的例程？这个问题相关且有用：（描述

查找等高线

并创建我已有的

标签

地图）第二部分是我的想法（旋转轮廓->路径），请参阅。这基本上就是

contour

下面正在做的事情，你可以跳过它所做的一系列辅助工作，在某个时候也能做到这一点。你应该将你对我现在删除的答案的评论内容添加到你原来的问题中。回答你自己的问题完全是很酷的。请记住也接受它。附加说明：如果您希望等高线不偏移，请使用

tracer=matplotlib.\u cntr.cntr（x，y，（labels==ii））

而不是您应该编辑答案以包含该注释，注释是不稳定的。