cv2.circle绘制小半径圆呈菱形，全尺寸有尖刺，求高效绘制500万圆方案

一、预生成高精度圆模板（推荐方案） #

你的半径范围取整后是1-500，仅500种可能值。先一次性用skimage.draw.disk生成所有半径的掩码模板，后续绘制时直接复用模板，通过numpy内存切片赋值替代逐个调用绘图函数，既能保证skimage级别的精度，速度又能接近OpenCV。

实现步骤 #

1. 预生成所有半径的布尔掩码模板，按半径值存储为字典
2. 遍历待绘制的圆，根据半径取出模板，计算目标图像中的有效绘制区域（处理边界超出情况），将模板对应区域赋值为目标颜色

import numpy as np
from skimage.draw import disk

# 预生成1-500半径的圆模板
radius_templates = {}
for r in range(1, 501):
    # 生成以(r,r)为中心、半径r的圆掩码，模板尺寸为(2r+1, 2r+1)
    rr, cc = disk((r, r), r, shape=(2*r+1, 2*r+1))
    mask = np.zeros((2*r+1, 2*r+1), dtype=np.uint8)
    mask[rr, cc] = 1
    radius_templates[r] = mask

# 初始化目标图像（示例尺寸1000x1000，可替换为你的实际尺寸）
H, W = 1000, 1000
target_img = np.zeros((H, W), dtype=np.uint8)

# 模拟500万个圆的参数（实际替换为你的圆心、半径、颜色列表）
np.random.seed(42)
centers = np.random.randint(0, max(H, W), size=(5_000_000, 2))
radii = np.random.randint(1, 501, size=5_000_000)
colors = np.random.randint(1, 256, size=5_000_000)

# 按半径分组批量绘制，提升效率
for r in radius_templates:
    # 筛选当前半径的所有圆
    radius_mask = radii == r
    if not np.any(radius_mask):
        continue
    current_centers = centers[radius_mask]
    current_colors = colors[radius_mask]
    template = radius_templates[r]
    half_size = r
    template_h, template_w = template.shape

    for (x, y), color in zip(current_centers, current_colors):
        # 计算模板在目标图像中的起止坐标
        start_y, end_y = y - half_size, y + half_size + 1
        start_x, end_x = x - half_size, x + half_size + 1

        # 裁剪边界外的区域
        target_y1, target_y2 = max(0, start_y), min(H, end_y)
        target_x1, target_x2 = max(0, start_x), min(W, end_x)
        template_y1, template_y2 = max(0, -start_y), template_h - max(0, end_y - H)
        template_x1, template_x2 = max(0, -start_x), template_w - max(0, end_x - W)

        # 仅在有效区域存在时绘制
        if target_y1 < target_y2 and target_x1 < target_x2:
            target_region = target_img[target_y1:target_y2, target_x1:target_x2]
            template_region = template[template_y1:template_y2, template_x1:template_x2]
            target_region[template_region == 1] = color

方案优势 #

• 预生成模板仅执行一次，后续绘制全用numpy内存操作，速度远快于逐个调用skimage.draw.disk
• 模板由skimage生成，完全避免菱形、尖刺问题
• 按半径分组处理减少重复模板加载，进一步提升效率

二、混合方案：小半径用模板，大半径用OpenCV抗锯齿 #

若担心预生成500个模板占用内存（总内存约500MB，多数设备可承受），可针对小半径（如r≤10）用高精度模板，大半径用cv2.circle(..., lineType=cv2.LINE_AA)——大半径下OpenCV抗锯齿效果已足够接近正圆，且速度极快。

import numpy as np
import cv2
from skimage.draw import disk

# 预生成小半径（1-10）的模板
small_radius_templates = {}
for r in range(1, 11):
    rr, cc = disk((r, r), r, shape=(2*r+1, 2*r+1))
    mask = np.zeros((2*r+1, 2*r+1), dtype=np.uint8)
    mask[rr, cc] = 1
    small_radius_templates[r] = mask

H, W = 1000, 1000
target_img = np.zeros((H, W), dtype=np.uint8)

# 模拟圆参数
centers = np.random.randint(0, max(H, W), size=(5_000_000, 2))
radii = np.random.randint(1, 501, size=5_000_000)
colors = np.random.randint(1, 256, size=5_000_000)

# 分两类处理
for (x, y), r, color in zip(centers, radii, colors):
    if r in small_radius_templates:
        # 小半径用模板绘制
        template = small_radius_templates[r]
        half_size = r
        start_y, end_y = y - half_size, y + half_size + 1
        start_x, end_x = x - half_size, x + half_size + 1

        target_y1, target_y2 = max(0, start_y), min(H, end_y)
        target_x1, target_x2 = max(0, start_x), min(W, end_x)
        template_y1, template_y2 = max(0, -start_y), template.shape[0] - max(0, end_y - H)
        template_x1, template_x2 = max(0, -start_x), template.shape[1] - max(0, end_x - W)

        if target_y1 < target_y2 and target_x1 < target_x2:
            target_region = target_img[target_y1:target_y2, target_x1:target_x2]
            template_region = template[template_y1:template_y2, template_x1:template_x2]
            target_region[template_region == 1] = color
    else:
        # 大半径用OpenCV抗锯齿绘制
        cv2.circle(target_img, (x, y), r, color, thickness=-1, lineType=cv2.LINE_AA)

三、额外优化建议 #

• 批量同参数圆：若存在大量半径、颜色相同的圆，可一次性计算所有圆的有效区域，用向量化操作赋值，比循环更快
• 多进程并行：将圆列表分成多个批次，用多进程并行绘制，进一步压缩耗时
• 预计算参数：提前计算所有模板的尺寸、半长等参数，避免循环内重复计算

内容的提问来源于stack exchange，提问作者gorschel