PAYATHON 2026

Matplotlib PatchCollection 分组移动旋转与 ROI 拟合最佳实践

数据小陈

结论:没有唯一“最佳软件”。如果必须在 Matplotlib 里做交互拟合 ROI,建议把每个 PatchCollection 看成一个“组”,为每组维护一个 Affine2D 局部变换和一个 pivot;全部模式就是对目标组批量执行相同的平移或旋转。不要直接改 Circle 的 center。如果重点是专业地提取数组数据,优先考虑 Fiji/ImageJ ROI Manager、napari 或 QuPath;需要嵌入 Python 工作流时,用 PyQt/PySide + Matplotlib 自定义更可控。

为什么这样安排

  • PatchCollection 的显示由 transform 决定。直接改 patch 坐标会把几何数据和视图状态绑在一起,后续取 ROI 容易出错。
  • 全部模式和单个模式的区别只在目标集合:targets = groups if mode == 'all' else [active_group]。这样代码不必分成两套。
  • pivot 用数据坐标保存。平移时 pivot 跟着移动;单独旋转围绕组 pivot,全部旋转围绕全局 pivot。旋转后如果还要继续单独旋转,建议用组中心重新计算 pivot。
  • 事件里的 event.xdata/event.ydata 是数据坐标;图像像素坐标要用 ax.transData.inverted() 或按 extent 换算,注意 origin 和 y 轴方向。

实现步骤

  1. 数据结构:每组保存 coll、local_affine、pivot、base_patches。初始 coll.set_transform(local_affine + ax.transData)。
  2. 模式切换:用按键或工具栏维护 mode = 'single' 或 'all';命中测试用 coll.contains(event) 选择 active group。
  3. 拖拽:press 记录起始数据坐标;motion 计算 dx、dy;对 targets 执行 local_affine.translate(dx, dy),同步平移 pivot,再 set_transform 和 draw_idle()。
  4. 旋转:对 targets 执行 local_affine.rotate_deg_around(px, py, angle);全部模式用全局 pivot,单独模式用组 pivot。若担心浮点累积误差,保存总角度和基准矩阵,每次由角度重建变换。
  5. 取 ROI 数组:拟合完成后把 patch 路径或中心点从数据坐标转到像素坐标,生成 mask 后用 img[mask] 取像素;也可用 matplotlib.path.Path.contains_points 判断像素中心是否落在 patch 内。

核心代码骨架

from matplotlib import transforms

class PatchGroup:
    def __init__(self, coll, pivot, ax):
        self.coll = coll
        self.pivot = [float(pivot[0]), float(pivot[1])]
        self.affine = transforms.Affine2D()
        self.ax = ax
        self.coll.set_transform(self.affine + ax.transData)

def apply_translate(groups, dx, dy):
    for g in groups:
        g.affine.translate(dx, dy)
        g.pivot[0] += dx
        g.pivot[1] += dy
        g.coll.set_transform(g.affine + g.ax.transData)

def apply_rotate(groups, deg, pivot):
    px, py = pivot
    for g in groups:
        g.affine.rotate_deg_around(px, py, deg)
        g.coll.set_transform(g.affine + g.ax.transData)

# 在 motion 回调中
# targets = groups if mode == 'all' else [active_group]
# apply_translate(targets, dx, dy)
# fig.canvas.draw_idle()

注意全部模式旋转后,组 pivot 会随变换改变;如果后续要单独旋转,使用变换后的组中心作为新 pivot,而不是一直用旧值。

专业软件建议

  • Fiji/ImageJ:ROI Manager 适合多 ROI 选择、平移、旋转、保存和按 ROI 取像素值,显微图像工作流成熟。
  • napari:Python 生态,适合 numpy 数组、交互标注和图层变换,便于后续写脚本。
  • QuPath:适合病理全切片和大量 ROI 标注,但复杂多对象旋转不如专用标注工具直接。
  • 若目标是工业视觉或高精度配准,考虑 HALCON、VisionPro 等商业库/软件;它们成本和授权较高。
  • Matplotlib 更适合原型和受控交互,不建议把它当完整图像标注软件;生产环境建议把“数据模型、变换、渲染、ROI 采样”分层。

注意事项

  • 每次 motion 不要重建 PatchCollection,也不要直接改 Circle.center;只改变换矩阵。
  • 重绘用 draw_idle(),避免在事件里同步 draw()。
  • 图像坐标与数据坐标要统一:设置 imshow(..., extent=...) 后,用同一套变换换算 ROI。
  • 旋转角度用度数还是弧度要统一;rotate_deg_around 使用度数。
  • 保存工程时记录每组的变换矩阵、pivot、角度和图像标定信息,而不是只存屏幕坐标。

备注:内容仅供参考。