Python 图像像素上的matplotlib标记/遮罩

所以我有一个图像，我有一个用于该图像的像素掩码，其中掩码与图像大小相同，包含0和1的值，如果它是0，我不想修改图像，如果它是1，我想在图像的该像素上添加一个透明颜色

基本上，我想突出显示图像的某些部分，但仍然可以看到下面的内容

现在我到处寻找，但还没有找到一个简单的方法来做到这一点。我使用了np.where和mask来获得1的像素位置，以用于绘图函数。我第一次尝试使用小标记大小和无边缘颜色的散点图（），但是标记的大小不是一个图像像素，它们似乎是绝对大小，因此根据图形的大小，透明度会受到影响，并从重叠标记创建奇怪的图案

只是常规的pyplot函数创建了我想要的精确外观（其中的颜色平滑且不随图形大小变化），但它也为遮罩中不相交的线段之间的水平连接着色（因为我猜它是在绘制直线），所以我无法使用它

最有效的是补丁，我在这个问题中遇到了：（）。我发现宽度和高度为1的矩形贴片给了我想要的效果，我可以在图像的某些像素上涂上透明的颜色。然而，这被证明为某些图像生成了一吨（数万）的矩形，因此速度相当慢。即使每次使用PatchCollection而不是调用addPatch时，速度仍然很慢

现在我可能只需要连接相邻的矩形来减少需要绘制的东西的数量，但我只是想知道是否有一种更简单的方法来做到这一点

---

谢谢。

您可以使用遮罩阵列或通过在RGBA图像中设置alpha值来进行半透明覆盖。这里两个都是经过处理的（使用三个半透明的红色正方形放置在圆形图案上的示例），它们给出了类似的图像（因此我只展示一个）：

我认为这两种方法可以在所有情况下产生相同的结果，但是：
1。如果遮罩或构图变得复杂，遮罩阵列可以是一种更直接的方法，并且遮罩为您绘制覆盖图像提供了更大的灵活性，例如，您可以使用彩色贴图，而不是为每个像素指定完整的RGBA，但是，
2.掩蔽阵列方法不像RGBA那样对alpha值进行完全逐像素控制

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()

z1=sin（X*Y）
z1=cos（2*X）
z2=cos（5*（X+Y））
zm=ma屏蔽，其中（（z20），z1）
图（
imshow（z3）
imshow（zm，cmap=cm.gray，alpha=0.4，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，有一些垂直的条带会略微遮住这一点（

z1

），但只在图形的一半，而在另一半（由于遮罩的缘故）上会出现狭窄的交替对角线带。这里有一个使用遮罩数组的更复杂的图像：

只是为了补充tom10发布的内容，遮罩数组在彩色贴图中非常有效，但同时我还编写了一个小函数，可以用于任何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

掩码是图像的布尔掩码，因此mask.shape+（3，）=im.shape

col只是要用以遮罩图像的三元组rgb值

---

alpha只是遮罩的alpha值/透明度

我还需要在我的区域上有一个清晰的轮廓。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中设置不同的值。 下面是一个基于的答案构建的示例，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()

x=y=linspace（-6100）
十、 Y=网格网格（X，Y）
z3=X*X+Y*Y#圆形图案
#首先，使用蒙版数组执行此操作
图（
imshow（z3，cmap=cm.jet，范围=（-6,6，-6,6））；
zm=ma.masked_，其中（（z3>=0.7）&（z3=0.7）&（z38.2）]=2.0；#等。
#创建轮廓。我发现只需要一个轮廓：
轮廓（X，Y，温度向量，1，颜色=['r'，'g']）；
show（）

这将产生：

---

对不起，我对如何使用这个有点困惑。因此，如果我有一个800x800背景图像，我有一个包含3个20x20平方的1的遮罩，其他所有东西都是0，我将如何使用它将这3个平方打印为图像上的半透明红色框？

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()