如何用Matplotlib实现形状与图片的循环层级重叠（首层压末层）？

核心思路：拆分绘制，模拟循环覆盖 #

zorder只能实现线性层级，没法做到循环的“首尾覆盖”，所以得把最后一个元素拆成两部分绘制：未被第一个元素覆盖的区域和覆盖第一个元素的区域，分两步画，这样就能让第一个元素夹在中间，最后一个元素的一部分在最上层，一部分在最下层。

针对形状的实现步骤 #

• 先绘制除了最后一个之外的所有形状，按顺序来，每个的zorder依次递增（保证后一个在前面的上面）
• 计算第一个形状和最后一个形状的重叠区域，用shapely的difference方法得到最后一个形状不与第一个重叠的部分，先画这部分，zorder设为最低（让它在所有其他形状下面）
• 绘制第一个形状，zorder设为中间值（确保它在刚才的最后一个形状的下部上面）
• 最后画最后一个形状与第一个重叠的部分，zorder设为最高（让这部分在第一个形状上面）

示例代码（用matplotlib+shapely）：

import matplotlib.pyplot as plt
from shapely.geometry import Polygon
from descartes import PolygonPatch

# 定义几个示例形状
shapes = [
    Polygon([(0,0), (2,0), (2,2), (0,2)]),  # 第一个形状：正方形
    Polygon([(1,1), (3,1), (3,3), (1,3)]),  # 第二个形状：正方形
    Polygon([(2,2), (4,2), (4,4), (2,4)])   # 最后一个形状：正方形
]

fig, ax = plt.subplots()
ax.set_xlim(-1,5)
ax.set_ylim(-1,5)

# 绘制中间的形状（除了第一个和最后一个）
for shape in shapes[1:-1]:
    patch = PolygonPatch(shape, facecolor='lightblue', edgecolor='black')
    ax.add_patch(patch)

# 绘制最后一个形状的非重叠部分（zorder最低）
last_shape = shapes[-1]
first_shape = shapes[0]
non_overlap_last = last_shape.difference(first_shape)
if not non_overlap_last.is_empty:
    patch = PolygonPatch(non_overlap_last, facecolor='pink', edgecolor='black', zorder=0)
    ax.add_patch(patch)

# 绘制第一个形状（zorder中间）
patch = PolygonPatch(first_shape, facecolor='yellow', edgecolor='black', zorder=1)
ax.add_patch(patch)

# 绘制最后一个形状的重叠部分（zorder最高）
overlap_last = last_shape.intersection(first_shape)
if not overlap_last.is_empty:
    patch = PolygonPatch(overlap_last, facecolor='pink', edgecolor='black', zorder=2)
    ax.add_patch(patch)

plt.show()

针对图片的实现步骤 #

图片的处理逻辑和形状类似，需要用裁剪路径拆分图片：

• 先绘制除了最后一张图之外的所有图片，按顺序叠加，zorder递增
• 把最后一张图分成两部分：
  • 用第一个图片的区域做裁剪，绘制最后一张图的非重叠区域，zorder设为最低
  • 绘制第一个图片，zorder设为中间
  • 再用第一个图片的区域做裁剪，绘制最后一张图的重叠区域，zorder设为最高

示例代码（用matplotlib）：

import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle
import numpy as np

# 生成示例图片（替换成你的图片路径）
def generate_test_img(color):
    img = np.full((200,200,3), color, dtype=np.uint8)
    return img

imgs = [
    generate_test_img([255,255,0]),   # 第一个图：黄色
    generate_test_img([173,216,230]), # 第二个图：浅蓝色
    generate_test_img([255,192,203])  # 最后一个图：粉色
]

# 图片的位置和尺寸（(x,y)是左下角坐标，w,h是宽高）
img_positions = [
    (0,0,2,2),
    (1,1,2,2),
    (2,2,2,2)
]

fig, ax = plt.subplots(dpi=100)
ax.set_xlim(-1,5)
ax.set_ylim(-1,5)

# 绘制中间的图片
for img, (x,y,w,h) in zip(imgs[1:-1], img_positions[1:-1]):
    ax.imshow(img, extent=[x, x+w, y, y+h], zorder=1)

# 绘制最后一张图的非重叠部分
last_img, (lx, ly, lw, lh) = imgs[-1], img_positions[-1]
first_x, first_y, first_w, first_h = img_positions[0]

# 创建裁剪路径：最后一张图的区域减去第一张图的区域
clip_non_overlap = Rectangle((lx, ly), lw, lh)
clip_first = Rectangle((first_x, first_y), first_w, first_h)
clip_non_overlap = clip_non_overlap.get_path().difference(clip_first.get_path())

# 绘制非重叠部分，zorder=0
ax.imshow(last_img, extent=[lx, lx+lw, ly, ly+lh], clip_path=clip_non_overlap, zorder=0)

# 绘制第一张图，zorder=1
ax.imshow(imgs[0], extent=[first_x, first_x+first_w, first_y, first_y+first_h], zorder=1)

# 绘制最后一张图的重叠部分，裁剪路径设为第一张图的区域
ax.imshow(last_img, extent=[lx, lx+lw, ly, ly+lh], clip_path=clip_first, zorder=2)

plt.show()

通用优化点 #

• 如果形状/图片数量更多，逻辑可以封装成函数，自动处理首尾元素的拆分
• 对于复杂形状，shapely的difference和intersection能处理大多数多边形，包括带洞的形状
• 图片裁剪时，如果用PIL/Pillow预处理图片（提前把图片按重叠区域拆分），可以避免matplotlib裁剪路径的性能问题

内容的提问来源于stack exchange，提问作者Nvi