如何在Matplotlib Pyplot图像指定坐标点获取颜色值？

一、Matplotlib/Pyplot方案（优先选，适配你的绘图流程） #

既然你是用Pyplot绘制的赛道图，直接复用它的坐标变换系统就能解决手动转换不准的问题，不用绕到外部库。

1. 精准转换地理坐标到图片像素 #

绘图时一定要保留fig和ax对象，这样可以调用Matplotlib内置的坐标变换工具，自动处理画布缩放、坐标轴偏移等细节：

import matplotlib.pyplot as plt

# 示例：你的绘图代码（保留ax对象）
fig, ax = plt.subplots()
# 设置地理坐标范围（和你赛道的真实范围对应）
ax.set_xlim(54.620, 54.690)  # 东经范围
ax.set_ylim(24.464, 24.478)  # 北纬范围
# 绘制灰色背景、黄色赛道、红绿起点终点...

# 定义坐标转换函数
def geo_to_pixel(geo_point, ax):
    lon, lat = geo_point
    # 先转成轴的归一化坐标（0-1），再转成像素坐标
    norm_coord = ax.transLimits.transform((lon, lat))
    pixel_coord = ax.transAxes.inverted().transform(norm_coord)
    # 转成整数像素索引，注意图像y轴是反向的
    canvas_w, canvas_h = ax.figure.canvas.get_width_height()
    px = int(pixel_coord[0] * canvas_w)
    py = canvas_h - int(pixel_coord[1] * canvas_h)
    return (px, py)

2. 判断点是否在赛道上 #

分两种场景处理：

场景1：赛道是图像格式（用imshow加载的）

如果你的赛道是一张图像（比如用imshow绘制），直接提取对应像素的颜色值：

import numpy as np

# 假设你是这样加载赛道图的（extent必须和地理范围匹配）
track_img = plt.imread("your_track.jpg")
im_obj = ax.imshow(track_img, extent=[54.620, 54.690, 24.464, 24.478])
img_array = im_obj.get_array()

# 转换目标地理点
target_point = (54.66023, 24.46823)
px, py = geo_to_pixel(target_point, ax)

# 获取颜色（注意数组索引是[y, x]）
pixel_color = img_array[py, px]

# 根据你的颜色规则判断
if np.array_equal(pixel_color, [255, 255, 0]):  # 黄色赛道
    print("该点在赛道上")
elif np.array_equal(pixel_color, [255, 0, 0]):  # 红色起点
    print("该点是起点")
elif np.array_equal(pixel_color, [0, 255, 0]):  # 绿色终点
    print("该点是终点")
else:
    print("该点不在赛道上")

场景2：赛道是矢量路径（用plot绘制的线条）

如果赛道是用矢量线条画的，直接判断点是否在路径范围内比看颜色更准确（避免图像压缩、抗锯齿的误差）：

from matplotlib.path import Path

# 假设track_points是你绘制赛道时用的地理坐标列表
track_points = [(lon1, lat1), (lon2, lat2), ...]
track_path = Path(track_points)

# 判断目标点是否在赛道路径内（radius设置赛道宽度，单位和地理坐标一致）
target_point = (54.66023, 24.46823)
is_on_track = track_path.contains_point(target_point, radius=0.0005)  # 半径根据实际赛道宽度调整

if is_on_track:
    print("该点在赛道上")
else:
    print("该点不在赛道上")

二、Scikit-image方案 #

如果习惯用skimage处理图像，可以通过建立线性变换来实现精准坐标转换：

1. 构建地理坐标到像素的变换 #

from skimage.transform import AffineTransform
import numpy as np
from skimage.io import imread

img = imread("your_track.jpg")
img_h, img_w = img.shape[:2]

# 地理范围参数
lon_min, lon_max = 54.620, 54.690
lat_min, lat_max = 24.464, 24.478

# 创建线性变换矩阵
transform = AffineTransform(
    scale=(img_w/(lon_max - lon_min), img_h/(lat_max - lat_min)),
    translation=(-lon_min * img_w/(lon_max - lon_min), -lat_min * img_h/(lat_max - lat_min))
)

# 转换目标点
target_point = np.array([[54.66023, 24.46823]])
px, py = transform(target_point)[0].astype(int)
# 翻转y轴（图像坐标系和地理坐标系y方向相反）
py = img_h - py

2. 获取像素颜色并判断 #

pixel_color = img[py, px]
# 颜色判断逻辑和之前一致

核心提示 #

• 不管用哪种方法，地理范围和图像/坐标轴的范围必须严格匹配，这是坐标转换精准的关键。
• 矢量赛道优先用Path.contains_point判断，比颜色识别更可靠，尤其是赛道有宽度的情况。

内容的提问来源于stack exchange，提问作者Tuur Vanlerberghe