如何为Matplotlib重叠Patches统一应用Alpha透明度

核心思路是先按优先级消除所有patch的重叠区域，再对无重叠的patch集合统一设置透明度，完全基于矢量几何运算，不会产生光栅化的大体积问题。

方案实现步骤 #

• 按添加顺序存储所有patch的几何信息与样式属性，越晚添加的patch优先级越高
• 从最高优先级的patch开始倒序处理，裁剪掉低优先级patch和高优先级patch重叠的部分，确保最终所有patch无重叠
• 将处理后的无重叠patch加入集合，统一设置alpha值即可实现需求

可运行代码示例 #

import matplotlib.pylab as plt
import matplotlib as mpl
from shapely.geometry import Polygon
from shapely.ops import unary_union

# 按添加顺序存储所有patch：(路径, 颜色)，越靠后优先级越高
patches_info = [
    (Polygon([(0.1,0.1), (0.6,0.1), (0.6,0.6), (0.1,0.6)]), "blue"),
    (Polygon([(0.4,0.4), (0.9,0.4), (0.9,0.9), (0.4,0.9)]), "orange"),
    # 可继续添加更多patch，支持不同颜色
]

processed_patches = []
covered_area = None

# 倒序处理：从优先级最高的最后一个patch开始
for geom, color in reversed(patches_info):
    # 裁剪掉当前patch和已覆盖区域重叠的部分
    if covered_area is not None:
        geom = geom.difference(covered_area)
    # 如果裁剪后还有剩余区域，加入处理后的列表
    if not geom.is_empty:
        # shapely多边形转matplotlib patch
        if geom.geom_type == 'Polygon':
            poly = mpl.patches.Polygon(list(geom.exterior.coords), color=color)
            processed_patches.append(poly)
        # 处理多多边形情况
        elif geom.geom_type == 'MultiPolygon':
            for part in geom.geoms:
                poly = mpl.patches.Polygon(list(part.exterior.coords), color=color)
                processed_patches.append(poly)
    # 更新已覆盖区域
    if covered_area is None:
        covered_area = geom
    else:
        covered_area = unary_union([covered_area, geom])

# 绘图
f, ax = plt.subplots(1, 1, tight_layout=True)
# 所有处理后的patch无重叠，统一设置alpha即可
collection = mpl.collections.PatchCollection(processed_patches, alpha=0.5, match_original=True)
ax.add_collection(collection)
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_title('统一透明度无重叠效果')
plt.show()

方案说明 #

• 所有运算都是矢量几何层面操作，最终输出的图形仍是矢量格式，体积不会膨胀
• 自动保留高优先级（后添加）patch的颜色属性，重叠区域只会显示最高优先级patch的颜色
• 因为处理后所有patch没有重叠，统一设置alpha后不会出现重叠区域颜色加深的问题

如果不希望引入shapely依赖，也可以使用matplotlib自带的Path类布尔运算方法实现重叠区域裁剪，只是代码复杂度会更高。

内容的提问来源于stack exchange，提问作者twhughes