如何访问图像中圆形ROI区域的内部及边缘像素？

你之前考虑的圆方程(x - a)**2 + (y - b)**2 == r**2确实只能获取圆的边缘像素，要获取整个圆形区域内的所有像素，只需要将判断条件改为小于等于半径平方即可：(x - a)**2 + (y - b)**2 <= r**2。

你之前的实现只是将圆形绘制在可视化画布上，没有和图像像素矩阵做关联，所以无法直接提取对应像素，下面是两种可直接运行的实现方案：

方案1：Numpy掩码法（性能最优，适合圆形ROI场景） #

直接基于坐标网格生成掩码，再通过掩码提取对应像素，代码示例：

import numpy as np
from matplotlib.pyplot import imread, imshow, show

# 读取图像和基础参数
img = imread('Model/m1.png') * 255
h, w = img.shape[:2]
center_x, center_y = 256, 256
radius = 150

# 生成坐标网格
y, x = np.ogrid[:h, :w]
# 计算每个点到圆心的距离平方，和半径平方比较避免开方运算
dist_from_center = (x - center_x)**2 + (y - center_y)**2
# 生成圆形区域掩码，ROI内为True，外为False
mask = dist_from_center <= radius **2

# 提取ROI内所有像素
roi_pixels = img[mask]
# 如果需要保留原图像尺寸，ROI外置0的话用下面的代码
# masked_img = np.where(mask, img, 0)

# 可视化验证
imshow(masked_img, cmap='gray')
show()

• 如果你得到的ROI位置和你预期的圆形不匹配，只需要交换center_x和center_y的位置即可，这是因为部分场景下图像坐标的行/列和绘图坐标的x/y是反过来的。

方案2：Matplotlib路径判断法（扩展性强，适合后续替换为不规则ROI） #

如果你后续需要处理的ROI不是标准圆形，可以用matplotlib自带的路径包含判断逻辑，适配任意你绘制的Patch形状：

import numpy as np
from matplotlib.pyplot import imread, subplots, imshow, show
from matplotlib.patches import Circle
from matplotlib.path import Path

img = imread('Model/m1.png') * 255
h, w = img.shape[:2]
center = (256, 256)
radius = 150

# 生成所有像素点的坐标列表
y, x = np.mgrid[:h, :w]
points = np.vstack((x.ravel(), y.ravel())).T

# 构建圆形路径
circle = Circle(center, radius)
path = circle.get_path()
# 做坐标变换匹配图像尺寸
transform = circle.get_patch_transform()
path = transform.transform_path(path)

# 生成掩码
mask = path.contains_points(points).reshape(h, w)

# 提取ROI像素
roi_pixels = img[mask]

内容的提问来源于stack exchange，提问作者MSmithy