如何使用Python用连续线圈出热图上的某些像素？

Question

我正在使用

plt.imshow()

在网格上绘制值（在我的例子中是 CCD 数据）。示例图：

我需要在其上指示一个障碍，以显示我关心的像素。这与我需要的类似：

我知道如何向图像添加方块，向图像添加网格线，但这些知识并不能解决问题，也不能向图片添加单个方块，这也在我的能力范围内。我需要一条线包围网格上的一个区域（这条线总是需要在像素之间，而不是穿过它们，所以这可能会让它更简单一些）。

我该怎么做？

---

Iury Sousa 为上述问题提供了一个很好的解决方法。然而，它并不是严格地用一条线围绕该区域（而是在图片上绘制一个蒙版，然后再次用图片覆盖其中的大部分），并且当我尝试围绕重叠的像素组时，它会失败。 ImportanceOfBeingErnest 在评论中建议我应该简单地使用

plt.plot

示例。以 Iury Sousa 的例子为起点，让我们：

X,Y = np.meshgrid(range(30),range(30))
Z = np.sin(X)+np.sin(Y)
selected1 = Z>1.5

现在

selected1

是一个布尔数组的数组，我们只想圈出那些对应Z值高于1.5的像素。我们还想圈出

selected2

，其中包含值高于 0.2 且低于 1.8 的像素的

True

值：

upperlim_selected2 = Z<1.8
selected2 = upperlim_selected2>0.2

Iury Sousa 的出色解决方法不适用于这种情况。在我看来，

plt.plot

会的。使用

selected1

或其他方法来实现

selected2

和

plt.plot

的循环的有效方法是什么？

Answer 1

我尝试了一些应该适合您需求的东西。

首先，我定义了一个任意数据：

X,Y = np.meshgrid(range(30),range(30))

Z = np.sin(X)+np.sin(Y)

您可以在此处定义适合您要突出显示的图案的条件：

selected = Z>1.5

要绘图，您将使用

scatter

而不是

imshow

。您将绘制所有数据，然后将所选数据绘制两次，一次使用带有突出显示颜色的较大方块，另一次通常使用相同的颜色参考和限制。

info = dict(marker='s',vmin=-2,vmax=2)
fig,ax = plt.subplots()
plt.scatter(X.ravel(),Y.ravel(),100,c=Z.ravel(),**info)
plt.scatter(X[selected].ravel(),Y[selected].ravel(),150,c='r',marker='s')
plt.scatter(X[selected].ravel(),Y[selected].ravel(),100,c=Z[selected].ravel(),**info)
ax.axis('equal')

Answer 2

类似于Can matplotlib轮廓匹配像素边缘？中的答案 您可以创建一个更高分辨率的网格并绘制

contour

图。

import numpy as np
import matplotlib.pyplot as plt

X,Y = np.meshgrid(range(30),range(30))
Z = np.sin(X)+np.sin(Y)

resolution = 25

f = lambda x,y: Z[int(y),int(x) ]
g = np.vectorize(f)

x = np.linspace(0,Z.shape[1], Z.shape[1]*resolution)
y = np.linspace(0,Z.shape[0], Z.shape[0]*resolution)
X2, Y2= np.meshgrid(x[:-1],y[:-1])
Z2 = g(X2,Y2)


plt.pcolormesh(X,Y, Z)
plt.contour(X2,Y2,Z2, [1.5], colors='r', linewidths=[1])

plt.show()

Answer 3

另一个适合我的解决方案：

让我们以网格为例：

grid=[[0, 6, 8, 2, 2, 5, 25, 24, 11],
      [4, 15, 3, 22, 225, 1326, 2814, 1115, 18],
      [6, 10, 9, 201, 3226, 3549, 3550, 3456, 181],
      [42, 24, 46, 1104, 3551, 3551, 3551, 3382, 27],
      [9, 7, 73, 2183, 3551, 3551, 3551, 3294, 83],
      [9, 7, 5, 669, 3544, 3551, 3074, 1962, 18],
      [10, 3545, 9, 10, 514, 625, 16, 14, 5],
      [5, 6, 128, 10, 8, 6, 7, 40, 4]]

我们绘制它：

plt.pcolormesh(grid)

假设我们要圈出值大于 1420 的每个像素。我们创建一个布尔数组：

threshold=1420
booleangrid=np.asarray(grid)>threshold
intgrid=booleangrid*1

然后我们在每个像素周围创建一条线段：

down=[];up=[];left=[];right=[]
for i, eachline in enumerate(intgrid):
    for j, each in enumerate(eachline):
        if each==1:
            down.append([[j,j+1],[i,i]])
            up.append([[j,j+1],[i+1,i+1]])
            left.append([[j,j],[i,i+1]])
            right.append([[j+1,j+1],[i,i+1]])

并将它们连接在一起：

together=[]
for each in down: together.append(each)
for each in up: together.append(each)
for each in left: together.append(each)
for each in right: together.append(each)

（为了清晰起见，单独创建。）

我们遍历这些单独的线段，只保留那些只出现一次的线段，即由我们上面定义的布尔数组（

booleangrid

）定义的特征边缘上的线段：

filtered=[]
for each in together:
    c=0
    for EACH in together:
        if each==EACH:
            c+=1
    if c==1:
        filtered.append(each)

然后我们用 for 循环绘制网格和单独的线段：

plt.pcolormesh(grid)
for x in range(len(filtered)):
    plt.plot(filtered[x][0],filtered[x][1],c='red', linewidth=8)

给我们结果：

我们对此感到满意。