使用Numpy（Python 3）生成软圆形掩膜：计算像素被圆覆盖的面积占比

核心思路 #

你需要的软边缘圆形掩膜可以通过超采样统计法实现，该方案不需要复杂的几何相交面积计算，实现逻辑简单，且精度可调，完全满足你1%误差的要求。
具体逻辑为：将每个原始像素拆分为N×N个更小的采样点，统计每个原始像素对应采样点中落在圆内的比例，该比例即为该像素的权重。当N取10时，最大误差不超过1%，刚好符合你的精度要求。

实现代码 #

接口完全兼容你之前使用的二值掩膜、高斯掩膜函数，可直接替换：

import numpy as np

def soft_circle(size=19, r=7, x_offset=0, y_offset=0, sample_scale=10):
    # sample_scale为超采样倍率，取值10时误差上限为1%，可按需调整
    high_res_size = size * sample_scale
    # 计算超采样网格下的圆心坐标
    x0 = y0 = (size / 2) * sample_scale
    x0 += x_offset * sample_scale
    y0 += y_offset * sample_scale
    # 生成超采样坐标网格，保持y轴方向和原有函数一致
    y, x = np.ogrid[:high_res_size, :high_res_size]
    y = y[::-1]
    
    # 生成超采样分辨率的二值圆掩膜
    high_res_mask = ((x - x0)**2 + (y - y0)**2) <= (r * sample_scale)**2
    high_res_mask = high_res_mask.astype(np.float32)
    
    # 平均池化降采样回原始尺寸，得到每个像素的覆盖比例权重
    mask = high_res_mask.reshape(size, sample_scale, size, sample_scale).mean(axis=(1, 3))
    return mask

方案优势 #

• 完全匹配需求：完全落在圆内的像素权重固定为1，边缘像素权重等于实际覆盖面积占比，不会出现高斯掩膜内部权重下降的问题
• 实现成本低：不需要处理圆形和正方形相交的复杂几何边界判断，不易出逻辑错误
• 精度灵活可调：修改sample_scale参数即可调整精度，取值越大误差越小，10即可满足你1%的误差要求
• 接口兼容：参数和你原有掩膜函数完全对齐，调用侧不需要修改逻辑即可替换使用

内容的提问来源于stack exchange，提问作者OM222O