光斑处理：python处理高斯光束的图像
光斑处理系统：程序框架🌟打开图像🌟参数对话框/伪彩映射

图像裁切

一般来说，光斑只占图像很小一部分，为了更好的观感和更小的误差，将背底区域截掉是一个必要的选择，为此需要实现图像裁切功能，即选中感兴趣的区域(ROI)

而选中ROI，其实有多种方案，比如

1. ‘roi’ 直接给定起始$x$和$y$坐标
2. ‘thres’ 手动阈值裁切
3. ‘auto’ 自动阈值裁切
4. ‘click’ 点击举行的对角点，手动选择区域

下面逐一实现。

给定坐标裁切

首先，为裁切功能设置一个参数对话框，其内容包括裁切模式，当处于手动阈值裁切时，需要设置阈值，最后，当给定坐标时，需要设置坐标的起始位置，累计下列6个参数。

class AnaFacula():# 前面省略，后面凡是带有self参数的函数，均写在AnaFacula中def init_param(self):# 前面省略# 剪切参数self.cutPara = {"mode":"click","thres":10.0,"xStart":0,"xEnd":0,"yStart":0,"yEnd":0,}

然后修改img_cut函数，从裁切的流程出发，无论采取何种模式，最终势必需要通过起止位置来完成裁切，所以先建立一个通用的裁切函数。

    def imgCut(self):self.img = self.img[self.cutPara['yStart']:self.cutPara['yEnd'],self.cutPara['xStart']:self.cutPara['xEnd']]self.imgShow()

而对于前面提到的四种方案而言，只有第一种，即roi模式下，才会直接执行imgCut，所以img_cut可暂时写为下面的形式，换言之，其他三种模式都需要对cutValue进行更新。

    def img_cut(self):flag, cutPara = inputValue(self.cutPara)if not flag:returnfor key in cutPara:if key != None:self.cutPara[key] = cutPara[key]if cutPara['mode'] == 'auto':passelif cutPara['mode'] == 'thres':passelif cutPara['mode'] == 'click':passself.imgCut()

修改完成后，在裁切之后，再次打开裁切按钮，其参数会更新为上次设置的参数，切割效果如下

手动阈值裁切

所谓手动阈值裁切，就是通过一个阈值对图像二值化，然后统计大于这个阈值的像素个数，假设这些像素围成一个圆形，那么由此可得到这个圆形的半径。再通过求取图像的质心，即可得到一个正方形的区域，可作为裁切的标记。

def getROI(img,thres=None):m, n = img.shapeimg = img + 0           # 深拷贝img[img<thres] = 0      # 背底置零radius = np.sqrt(np.sum(img>0)/np.pi)allSum = np.sum(img)if allSum == 0:return NoneyC = np.sum(np.sum(img,1)*np.arange(m))/allSumxC = np.sum(np.sum(img,0)*np.arange(n))/allSumxStart = max(0,int(xC-radius))xEnd = min(m,int(xC+radius))yStart = max(0,int(yC-radius))yEnd = min(n,int(yC+radius))print(radius, xStart)return {'xStart':xStart, 'xEnd':xEnd, 'yStart':yStart, 'yEnd':yEnd}

相应地，修改thres模式下的代码。

        elif cutPara['mode'] == 'thres':roi = getROI(self.img, self.cutPara['thres'])for key in roi:self.cutPara[key] = roi[key]

手动阈值裁切效果如下

自动阈值只比手动阈值多了一个求阈值的操作，可采取OTSU算法，由于算法严格来说并不算是业务流程的内容，所以放在后面有空再将；通过点击的方式实现区域选取，则需要新建一个鼠标响应函数，相对来说较为复杂，故而也放在后面讲解。