如何用Python为图像中的簇创建可调控衰减率的指数衰减光晕（保留原非零值）

阿华AIGC实验室

2026-4-14

我完全懂你的需求——给图像里的非零簇加上指数衰减的光晕，既要100%保留原簇的数值，还能通过参数灵活控制光晕的衰减快慢。之前用平均卷积或者高斯卷积的问题确实戳中痛点：平均滤波衰减太陡，光晕范围窄；高斯滤波又会把原簇边缘的数值也给“磨平”了。那我们换个更直接的思路：基于每个零值像素到最近非零区域的距离，直接计算指数衰减值，这样就能精准控制效果了！

核心思路

计算每个零值像素到最近非零像素的欧氏距离（用距离变换工具快速实现）
用指数函数把距离转换成衰减值，引入decay_rate参数控制衰减快慢（值越大，衰减越慢、光晕越宽；值越小则反之）
合并原矩阵与光晕：原非零区域完全保留原值，零区域替换为计算好的衰减值

完整代码实现

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage import distance_transform_edt

# 1. 创建带簇的原矩阵
matrix = np.zeros((100, 100))
# 生成固定值簇
matrix[45:55, 40:50] = 0.5
# 生成沿列渐变的簇
for i, value in enumerate(np.linspace(0.5, 0.2, 20)):
    matrix[70:90, 20 + i] = value

# 2. 计算距离与对应最近非零像素的数值
non_zero_mask = matrix > 0
# 计算每个零值像素到最近非零像素的距离，同时返回对应非零像素的坐标
distance, indices = distance_transform_edt(~non_zero_mask, return_indices=True)
# 获取每个零值像素对应的最近非零像素的数值
nearest_values = matrix[indices[0], indices[1]]

# 3. 计算指数衰减光晕（可通过decay_rate控制衰减速度）
decay_rate = 8  # 调整这个参数：越大，光晕越宽、衰减越慢；越小则光晕越窄、衰减越快
halo = nearest_values * np.exp(-distance / decay_rate)

# 4. 合并原矩阵与光晕：原非零区域保留原值，零区域用光晕填充
result = np.where(non_zero_mask, matrix, halo)

# 可视化对比
fig, ax = plt.subplots(1, 3, figsize=(18, 6))

# 原矩阵
im1 = ax[0].imshow(matrix, cmap="viridis")
ax[0].set_title("原矩阵")
plt.colorbar(im1, ax=ax[0], label="数值", fraction=0.046, pad=0.04)

# 距离矩阵（展示每个像素到最近非零区域的距离）
im2 = ax[1].imshow(distance, cmap="plasma")
ax[1].set_title("到最近非零区域的距离")
plt.colorbar(im2, ax=ax[1], label="距离", fraction=0.046, pad=0.04)

# 最终结果：原数值+指数衰减光晕
im3 = ax[2].imshow(result, cmap="viridis")
ax[2].set_title(f"指数衰减光晕（decay_rate={decay_rate}）")
plt.colorbar(im3, ax=ax[2], label="数值", fraction=0.046, pad=0.04)

plt.tight_layout()
plt.show()

关键细节解释

距离变换工具：distance_transform_edt是核心，它能高效计算每个像素到最近非零区域的欧氏距离，比卷积方式更贴合“基于距离衰减”的需求。
衰减率参数：decay_rate完全由你掌控——比如改成5，光晕会快速衰减、范围变窄；改成15，光晕会更宽、衰减更平缓。
匹配原簇渐变：通过indices获取最近非零像素的数值，光晕会自动匹配原簇的渐变效果（比如你第二个从0.5到0.2递减的簇，光晕也会跟着对应位置的数值同步衰减）。
零损失保留原数值：用np.where直接替换，原非零区域的数值100%保留，不会出现卷积模糊原簇的问题。