如何使用scipy.ndimage从指定位置旋转椭球布尔数组？

要实现从指定位置而非数组中心旋转你的布尔mask，核心思路是先平移数组，把目标旋转中心移到数组的几何中心，旋转后再平移回原位置。下面是具体的步骤和代码实现：

步骤分解 #

1. 确定目标旋转中心的坐标：先找到你想要的旋转点（比如椭球的一端）在原数组中的位置。
2. 平移数组到中心对齐：计算平移量，将目标旋转中心移动到数组的几何中心，这样ndimage.rotate的默认中心旋转就等价于绕目标点旋转。
3. 执行旋转操作：对平移后的数组应用ndimage.rotate。
4. 平移回原位置：用相反的平移量把旋转后的数组移回原始坐标系。

具体代码实现 #

import numpy as np
from scipy import ndimage
from skimage import draw

# 生成椭球mask
mask = skimage.draw.ellipsoid(10, 12, 16)
angle1 = 45  # 示例旋转角度

# --------------------------
# 步骤1：找到椭球一端的坐标（以z轴负方向端点为例）
# --------------------------
# 获取所有mask为True的点的坐标
true_points = np.where(mask)
# 取z坐标最小的点作为旋转中心（椭球的一端）
rot_center = (
    true_points[0][np.argmin(true_points[2])],
    true_points[1][np.argmin(true_points[2])],
    np.min(true_points[2])
)
print(f"旋转中心坐标：{rot_center}")

# --------------------------
# 步骤2：计算平移量，将旋转中心移到数组中心
# --------------------------
# 数组的几何中心坐标（各维度长度的一半，取整数）
array_center = np.array(mask.shape) // 2
# 平移量 = 数组中心 - 旋转中心
shift_amount = array_center - np.array(rot_center)

# 平移数组，此时原旋转中心移到了数组中心
shifted_mask = ndimage.shift(
    mask.astype(float),  # 先转成float方便平移，之后再转回布尔
    shift_amount,
    mode='constant',
    cval=0.0
).astype(bool)

# --------------------------
# 步骤3：执行旋转
# --------------------------
rotated_shifted_mask = ndimage.rotate(
    shifted_mask,
    angle1,
    axes=(0, 2),
    reshape=False,  # 保持原数组形状，可选
    mode='constant',
    cval=False
)

# --------------------------
# 步骤4：平移回原位置
# --------------------------
rotated_mask = ndimage.shift(
    rotated_shifted_mask.astype(float),
    -shift_amount,
    mode='constant',
    cval=0.0
).astype(bool)

关键细节说明 #

• 布尔数组的平移处理：ndimage.shift对布尔数组的支持有限，所以先转成float类型进行平移操作，完成后再转回bool，这样能避免不必要的类型错误。
• mode参数设置：平移和旋转时用mode='constant'并设置cval=False，确保超出原数组范围的区域填充为False，符合布尔mask的逻辑。
• reshape参数：如果希望旋转后的数组保持原形状，可以设置reshape=False；如果允许扩展边界来容纳旋转后的内容，可以去掉这个参数（默认是True）。

内容的提问来源于stack exchange，提问作者Astro