如何使用Matplotlib从轮廓转换为图像掩模

Question

如果我绘制一个二维数组并对其进行等高线图绘制，可以通过cs = plt.contour(...); cs.allsegs访问分割地图，但其被参数化为一条线。我想获取一个segmap布尔掩码，表示线内部的内容，这样我就可以快速对该轮廓内的所有内容进行求和。

非常感谢！

- Chris

---

你没有访问原始的“数据”来生成轮廓图吗？然后，您应该通过执行“data>threshold”来生成所需的布尔掩模，其中阈值是轮廓线处的值。 - David Zwicker

这在某些情况下可能有效，但如果数据中存在多个峰值，则可以为相同的值具有多条等高线。使用阈值将选择所有这些等高线内的数据。 - Rutger Kassies

Answer 1

我认为没有很简单的方法，主要是因为你想要混合栅格和矢量数据。幸运的是，Matplotlib路径有一种方法可以检查点是否在路径内，在所有像素上执行此操作将生成掩码，但我认为对于大型数据集来说，这种方法可能会变得非常缓慢。

import matplotlib.patches as patches
from matplotlib.nxutils import points_inside_poly
import matplotlib.pyplot as plt
import numpy as np

# generate some data
X, Y = np.meshgrid(np.arange(-3.0, 3.0, 0.025), np.arange(-3.0, 3.0, 0.025))
Z1 = mlab.bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = mlab.bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
# difference of Gaussians
Z = 10.0 * (Z2 - Z1)

fig, axs = plt.subplots(1,2, figsize=(12,6), subplot_kw={'xticks': [], 'yticks': [], 'frameon': False})

# create a normal contour plot
axs[0].set_title('Standard contour plot')
im = axs[0].imshow(Z, cmap=plt.cm.Greys_r)
cs = axs[0].contour(Z, np.arange(-3, 4, .5), linewidths=2, colors='red', linestyles='solid')

# get the path from 1 of the contour lines
verts = cs.collections[7].get_paths()[0]

# highlight the selected contour with yellow
axs[0].add_patch(patches.PathPatch(verts, facecolor='none', ec='yellow', lw=2, zorder=50))

# make a mask from it with the dimensions of Z
mask = verts.contains_points(list(np.ndindex(Z.shape)))
mask = mask.reshape(Z.shape).T

axs[1].set_title('Mask of everything within one contour line')
axs[1].imshow(mask, cmap=plt.cm.Greys_r, interpolation='none')

# get the sum of everything within the contour
# the mask is inverted because everything within the contour should not be masked
print np.ma.MaskedArray(Z, mask=~mask).sum()

请注意，默认情况下“离开”绘图边缘的等高线不会沿着这些边缘进行路径。这些等高线需要进行额外的处理。

- Rutger Kassies

---

这是一个很好的答案。最终我使用了scipy.ndimage.measurements.label，它基本上可以生成我需要的轮廓掩模。当然，使用另一个包并不是我希望做的事情，但还是非常感谢！ - Chris

你能否分享一下你在帖子中的方法呢？ - Delosari

Answer 2

另一种更直观的方法是使用scipy.ndimage中的binary_fill_holes函数。

import numpy as np
import scipy


image = np.zeros((512, 512))
image[contour1[:, 0], contour1[:, 1]] = 1
masked_image = scipy.ndimage.morphology.binary_fill_holes(image)
```

- HagaiH

Answer 3

以下是使用OpenCV从轮廓创建填充多边形并创建二进制掩码的方法：

import cv2
import numpy as np
import matplotlib.pyplot as plt

mask = np.zeros((10,10,3), dtype=np.uint8)
# polygon's coordinates
coords = np.array([[3,3],[3,6],[6,6],[6,3]])

cv2.drawContours(mask, [coords], contourIdx=-1, color=(1,1,1), thickness=-1)
bin_mask = mask[:,:,0].astype(np.float32)
plt.imshow(bin_mask, cmap='gray')

• contourIdx=-1 - 绘制所有轮廓

• color=(1,1,1) - 每个通道的值从0到255；由于我们生成了一个二进制掩模，因此设置为1

• thickness=-1 - 填充多边形

- Aray Karjauv