python - matplotlib 轮廓可以匹配像素边缘吗？

Question

如何在 matplotlib 中绘制像素边界？例如，对于如下所示的半随机数据集，

# the code block that follows is irrelevant
import numpy as np
k = []
for s in [2103, 1936, 2247, 2987]:
    np.random.seed(s)
    k.append(np.random.randint(0, 2, size=(2,6)))
arr = np.hstack([np.vstack(k)[:, :-1], np.vstack(k).T[::-1].T ])
image = np.zeros(shape=(arr.shape[0]+2, arr.shape[1]+2))
image[1:-1, 1:-1] = arr

很明显，与 image 的像素边缘匹配的轮廓优于轮廓函数的默认行为，在默认行为中轮廓线被有效地绘制边缘像素的对角线。

import matplotlib.pyplot as plt
plt.contour(image[::-1], [0.5], colors='r')

如何使轮廓与像素对齐？我正在 numpy 和 matplotlib 库中寻找解决方案。

Answer 1

如果图像的分辨率为每单位 1 个像素，您将如何定义像素的“边缘”？ “边缘”的概念仅在与像素本身相比分辨率更高的帧中才有意义，如果 contour 使用与图像本身相同的分辨率，则无法绘制任何边缘。

另一方面，当然可以提高分辨率，这样“边缘”的概念就有意义了。因此，假设我们将分辨率提高 100 倍，我们可以使用 contour 图轻松绘制边缘。

import matplotlib.pyplot as plt
import numpy as np

k = []
for s in [2103, 1936, 2247, 2987]:
    np.random.seed(s)
    k.append(np.random.randint(0, 2, size=(2,6)))
arr = np.hstack([np.vstack(k)[:, :-1], np.vstack(k).T[::-1].T ])
image = np.zeros(shape=(arr.shape[0]+2, arr.shape[1]+2))
image[1:-1, 1:-1] = arr


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

x = np.linspace(0,image.shape[1], image.shape[1]*100)
y = np.linspace(0,image.shape[0], image.shape[0]*100)
X, Y= np.meshgrid(x[:-1],y[:-1])
Z = g(X[:-1],Y[:-1])

plt.imshow(image[::-1], origin="lower", interpolation="none", cmap="Blues")

plt.contour(Z[::-1], [0.5], colors='r', linewidths=[3], 
            extent=[0-0.5, x[:-1].max()-0.5,0-0.5, y[:-1].max()-0.5])

plt.show()

为了比较，我们还可以使用 imshow 在同一图中绘制图像本身。