Python 基于椭圆中心距离的权值计算

我之前使用的是圆形图像遮罩，我根据与圆心的距离计算权重，如下所示：

import numpy as np
def create_mask(image, radius, center=(0, 0)):
    r, c, d = image.shape
    x, y = np.ogrid[:r, :c]
    distance = np.sqrt((x-center[0])**2 + (y-center[1])**2)
    m = distance < radius
    distance[m] = 1.0 - distance[m]/radius
    array = np.zeros((r, c))
    array[m] = distance[m]
    return array

将numpy导入为np
def create_遮罩（图像、半径、中心=（0,0））：
r、 c，d=图像形状
x、 y=np.ogrid[：r，：c]
距离=np.sqrt（（x-中心[0]）**2+（y-中心[1]）**2）
m=距离<半径
距离[m]=1.0-距离[m]/半径
数组=np.零（（r，c））
数组[m]=距离[m]
返回数组

这基本上是将高度-重量设置在中心，重量向边缘线性下降

---

现在，我想做一些类似于椭圆的事情。同样，椭圆在两个维度上的半径可能非常不同，我希望重量也随着距离线性下降。然而，无论长半径还是短半径，我希望权重向边缘类似地衰减。我猜我需要包含一个基于两个半径的权重来实现这一点，但无法计算出来。

我不确定线性权重，但可以使用实现从1到0的连续数组权重（我相信有一种更有效的方法来实现这一点）

例如：

> %pylab
> el = ellipse(0.0, 0.0, 0.3, 0.8)
> mask = gen_ellipse(el, -1.0, 1.0, 0.0025)
> imshow(mask, cmap=get_cmap('Greys'))

---

其中黑色为1，白色为0。

谢谢您的回答。你能为我详细说明一件事吗？我使用Skipage draw函数对椭圆进行参数化，该函数采用x和y中心坐标以及沿二维的半径。你能帮我看看你代码中的等价性吗？@Luca我不确定我是否完全理解你的问题。我上面的椭圆函数（现在由farenorth更新）可以接受x和y偏移，但之前它只是以

（0，0）

为中心，并在椭圆的两个半径上进行参数化。为了清晰起见，我修改了变量的名称

（x0，y0）

指定椭圆的中心，并且

（r\u x，r\u y）

定义它的半径。@Luca我已经使

gen_ellipse

函数更加高效和惯用，在这个过程中，我发现我仓促的数学运算使椭圆在

y=x

上反射（我交换了x和y坐标）。想法是一样的，不过，它只是一个高椭圆而不是一个短椭圆，对应于

r\ux

。谢谢。我正在努力使之适应我的需要。明天我会更新我的进度。

> %pylab
> el = ellipse(0.0, 0.0, 0.3, 0.8)
> mask = gen_ellipse(el, -1.0, 1.0, 0.0025)
> imshow(mask, cmap=get_cmap('Greys'))