如何在Numpy数组中绘制浮点坐标、浮点半径的圆形？

以下是两种可直接落地的实现方法，都可以在Numpy数组上完成符合精度要求的圆形绘制：

方案1：复用OpenCV原生接口实现亚像素绘制 #

cv2.circle提供的shift参数原生支持浮点精度的坐标和半径传入，你只需要对参数做简单的预处理即可：

• shift参数表示坐标值和半径值的小数位位数，你需要把原始的浮点坐标、浮点半径统一乘以2^shift后转成整数传入接口
• 最终绘制结果会自动把放大后的参数缩小对应倍数，得到亚像素级精度的圆形

示例代码如下：

import cv2
import numpy as np

# 原始浮点参数
img = np.zeros((500, 500, 3), dtype=np.uint8)
center_float = (120.34, 210.56)
radius_float = 50.78
color = (0, 255, 0)

# 定义保留的小数位数，设为4可满足绝大多数高精度场景需求
shift = 4
scale = 2 ** shift

# 预处理参数为整数
center_int = (int(round(center_float[0] * scale)), int(round(center_float[1] * scale)))
radius_int = int(round(radius_float * scale))

# 绘制亚像素圆
cv2.circle(img, center_int, radius_int, color, thickness=-1, lineType=cv2.LINE_AA, shift=shift)

方案2：自定义距离场生成实现完全浮点精度 #

如果需要完全自主控制绘制精度、或者不需要依赖OpenCV，可以直接通过计算每个像素到圆心的距离生成圆形：

• 该方法完全基于Numpy运算，没有参数类型限制，可以支持任意精度的浮点坐标和半径
• 支持自定义抗锯齿、半透明填充等扩展需求

示例代码如下：

import numpy as np

def draw_float_circle(img, center, radius, color, antialias=True):
    h, w = img.shape[:2]
    # 生成网格坐标
    y, x = np.ogrid[:h, :w]
    # 计算每个像素到圆心的浮点距离
    dist_from_center = np.sqrt((x - center[0])**2 + (y - center[1])**2)
    # 生成掩码
    if antialias:
        # 抗锯齿处理，边缘1像素范围做透明度渐变
        mask = np.clip(radius - dist_from_center, 0, 1)
        # 合并颜色
        for c in range(3):
            img[..., c] = img[..., c] * (1 - mask) + color[c] * mask
    else:
        mask = dist_from_center <= radius
        img[mask] = color
    return img

# 调用示例
img = np.zeros((500, 500, 3), dtype=np.uint8)
img = draw_float_circle(img, (120.34, 210.56), 50.78, (0,255,0))

两种方案的选型建议：如果对性能要求高优先选方案1，OpenCV的原生实现运算效率远高于自定义Numpy运算；如果需要自定义绘制逻辑、或者不想引入OpenCV依赖可以选方案2。

内容的提问来源于stack exchange，提问作者Jav