在numpy数组中遮罩一个圆形扇区

Question

我有一个将numpy数组切片成圆形的代码。我希望只恢复圆形中包含在某个角度范围内的值，并屏蔽数组。例如：用圆形上0到45度之间的(x,y)位置屏蔽原始数组。

有没有一种Pythonic的方法来实现这个功能？

以下是我的（简化后的）原始代码：

import numpy as np
matrix = np.zeros((500,500))
x = 240
y = 280
radius = 10
mask=np.ogrid[x-radius:x+radius+1,y-radius:y+radius+1]
matrix[mask]

提前感谢您。

编辑：我忽略了半径可以变化的事实。

- Guadancil11

---

你的代码将在数组中遮盖一个正方形而不是圆形 - 你确定你想要的是圆形吗？ - ali_m

是的，我看到了我的错误并正在尝试解决它！ - Guadancil11

也许这是https://dev59.com/C2oy5IYBdhLWcg3wScPb的重复。 - Saullo G. P. Castro

在这种情况下，它是一个圆锥扇形，而不仅仅是一个圆。 - ali_m

@ali_m 谢谢你...我不确定它是否是重复的！ - Saullo G. P. Castro

Answer 1

我会通过将笛卡尔坐标转换为极坐标，并构建圆形和想要的角度范围的布尔掩码来实现此目的：

import numpy as np

def sector_mask(shape,centre,radius,angle_range):
    """
    Return a boolean mask for a circular sector. The start/stop angles in  
    `angle_range` should be given in clockwise order.
    """

    x,y = np.ogrid[:shape[0],:shape[1]]
    cx,cy = centre
    tmin,tmax = np.deg2rad(angle_range)

    # ensure stop angle > start angle
    if tmax < tmin:
            tmax += 2*np.pi

    # convert cartesian --> polar coordinates
    r2 = (x-cx)*(x-cx) + (y-cy)*(y-cy)
    theta = np.arctan2(x-cx,y-cy) - tmin

    # wrap angles between 0 and 2*pi
    theta %= (2*np.pi)

    # circular mask
    circmask = r2 <= radius*radius

    # angular mask
    anglemask = theta <= (tmax-tmin)

    return circmask*anglemask

例如：

from matplotlib import pyplot as pp
from scipy.misc import lena

matrix = lena()
mask = sector_mask(matrix.shape,(200,100),300,(0,50))
matrix[~mask] = 0
pp.imshow(matrix)
pp.show()

- ali_m

---

@ali_m +1。希望你不介意，我把图片加到答案里，这样我们就可以清楚地看到发生了什么。 - Hooked

必须将theta = np.arctan2(x-cx,y-cy)转换为所有正角度，使用theta = np.where(theta<0,2*pi+theta,theta)，否则对于大于180度的角度，上面的代码将无法正确工作。 - Developer

@开发者，你发现得很好，我已经编辑了我的函数来解决这个问题。 - ali_m

Answer 2

对于正方形矩阵中心圆的处理方法相同：

def circleMask(mat, r=0):
    if mat.shape[0] != mat.shape[1]:
        raise TypeError('Matrix has to be square')
    if not isinstance(r, int):
        raise TypeError('Radius has to be of type int')

    s = mat.shape[0]
    d = num.abs(num.arange(-s/2 + s%2, s/2 + s%2))
    dm = num.sqrt(d[:, num.newaxis]**2 + d[num.newaxis, :]**2)

    return num.logical_and(dm >= r-.5, dm < r+.5)

循环这个隐式函数的成本很高！

- n1nj4