Prendere dati da una cerchia in python

Question

Sto osservando in che modo l'intensità di un anello cambia a seconda dell'angolazione. Ecco un esempio di un'immagine:

Quello che vorrei fare è prendere un cerchio di valori all'interno del centro di quella ciambella e tracciare vs angolo. Quello che sto facendo attualmente è usare scipy.ndimage.interpolation.rotate e prendere le fette radialmente attraverso l'anello ed estrarre il massimo dei due picchi e tracciare quelli contro l'angolo.

crop = np.ones((width,width)) #this is my image 
    slices = np.arange(0,width,1) 
    stack = np.zeros((2*width,len(slices))) 
    angles = np.linspace(0,2*np.pi,len(crop2)) 

    for j in range(len(slices2)): # take slices 
      stack[:,j] = rotate(crop,slices[j],reshape=False)[:,width] 

Tuttavia, non penso che stia facendo quello che sto effettivamente cercando. Sono principalmente alle prese con come estrarre i dati che voglio. Ho anche provato ad applicare una maschera simile a questa;

all'immagine, ma poi non so come ottenere i valori all'interno di quella maschera nell'ordine corretto (cioè in ordine crescente di angolo di 0 -. 2pi)

Qualsiasi altro le idee sarebbero di grande aiuto!

Answer 1

Ho fatto un immagine in ingresso differente per aiutare verificare correttezza:

import numpy as np 
import scipy as sp 
import scipy.interpolate 
import matplotlib.pyplot as plt 

# Mock up an image. 
W = 100 
x = np.arange(W) 
y = np.arange(W) 
xx,yy = np.meshgrid(x,y) 

image = xx//5*5 + yy//5*5 
image = image/np.max(image) # scale into [0,1] 

plt.imshow(image, interpolation='nearest', cmap='gray') 
plt.show() 

per campionare valori da percorsi circolari nell'immagine, abbiamo prima costruire un interpolatore perché si vuole accedere posizioni arbitrarie. Inoltre, la vettorizzazione per essere più veloce.
Quindi, generiamo le coordinate dei punti N sulla circonferenza del cerchio utilizzando la definizione parametrica del cerchio x(t) = sin(t), y(t) = cos(t).
N dovrebbe essere almeno il doppio della circonferenza (teorema di campionamento Nyquist-Shannon).

interp = sp.interpolate.interp2d(x, y, image) 
vinterp = np.vectorize(interp) 

for r in (15, 30, 45): # radii for circles around image's center 
    xcenter = len(x)/2 
    ycenter = len(y)/2 
    arclen = 2*np.pi*r 
    angle = np.linspace(0, 2*np.pi, arclen*2, endpoint=False) 
    value = vinterp(xcenter + r*np.sin(angle), 
        ycenter + r*np.cos(angle)) 
    plt.plot(angle, value, label='r={}'.format(r)) 

plt.legend() 
plt.show()