admin管理员组

文章数量:1037775

极致优化：Python 实战教你高效转换 FITS 图像并精确标注坐标

前言

FITS（Flexible Image Transport System）是天文学中常用的数据格式，保存了大量的观测数据。传统软件如 SAOImage DS9 能够直观显示 FITS 图像，但在大规模数据处理和自动化任务中，使用 Python 编程可以实现更加灵活高效的图像处理工作流程。本文示例代码中主要使用了以下工具：

  • • astropy.io.fits：读取 FITS 数据
  • • astropy.visualization.ZScaleInterval：智能拉伸图像对比度
  • • matplotlib：图像渲染与保存

同时，我们在图像上添加彩色圆圈标注目标点，方便后续分析与比对。

安装相关依赖

在开始之前，请确保安装了以下 Python 包：

代码语言：javascript代码运行次数：0运行复制
pip install numpy matplotlib astropy pillow

这些包分别用于数值计算、图像绘制、FITS 数据处理以及图片后处理。

完整代码

下面是完整的代码示例，该代码读取 FITS 文件，使用 ZScaleInterval 自动调整亮度区间，并在指定坐标位置添加彩色圆圈标注，最终保存为 PNG 图片：

代码语言：javascript代码运行次数：0运行复制
# -*- coding: utf-8 -*-

# @Author: 胖胖很瘦
# @Date: 2025-03-04 11:36:28
# @LastEditors: 胖胖很瘦
# @LastEditTime: 2025-03-04 15:41:36
import os
import numpy as np
import matplotlib.pyplot as plt
from astropy.io import fits
from astropy.visualization import ZScaleInterval

deffits_to_png_with_circle(fits_file, output_file, xy_coords, circle_color='red', circle_radius=60):
    """
    读取 FITS 文件，将其转换为 PNG/JPG 并在指定坐标绘制彩色圆圈。
    
    参数：
    - fits_file: str, FITS 文件路径
    - output_file: str, 输出图片文件路径（.png 或 .jpg）
    - xy_coords: list of tuples, 需要标注的 (x, y) 坐标列表
    - circle_color: str, 圆圈颜色，例如 'red', 'blue'
    - circle_radius: int, 圆圈半径（像素）
    """
    # 读取 FITS 数据
    with fits.open(fits_file) as hdul:
        data = hdul[0].data  # 获取主扩展的数据
    
    # 计算图像显示的亮度区间
    interval = ZScaleInterval()
    vmin, vmax = interval.get_limits(data)
    
    # 创建图像
    fig, ax = plt.subplots(figsize=(8, 8))
    ax.imshow(data, cmap='gray', origin='lower', vmin=vmin, vmax=vmax)
    
    # 在指定坐标添加彩色圆圈
    for (x, y) in xy_coords:
        circle = plt.Circle((x, y), circle_radius, color=circle_color, fill=False, linewidth=1)
        ax.add_patch(circle)
    
    # 去除坐标轴和边框
    ax.set_xticks([])  # 移除 X 轴刻度
    ax.set_yticks([])  # 移除 Y 轴刻度
    ax.set_frame_on(False)  # 移除整个边框
    
    # 保存为 PNG 或 JPG（这里采用 dpi=150，可根据需求调整）
    plt.savefig(output_file, dpi=150, bbox_inches='tight', pad_inches=-0.1)
    plt.close()
    
# 示例调用
fits_file = "example.fits"
output_file = "output.png"
xy_coords = [(100, 150), (200, 300)]
fits_to_png_with_circle(fits_file, output_file, xy_coords, circle_color='cyan', circle_radius=60)

优化技巧

为了提升整体处理速度和运行效率，我们可以从以下几个方面进行优化：

1. 使用内存映射（Memory Mapping）读取 FITS 文件

对于大型 FITS 文件，可以使用 memmap=True 进行内存映射，以加快数据读取速度。

代码语言：javascript代码运行次数：0运行复制
with fits.open(fits_file, memmap=True) as hdul:
    data = hdul[0].data

但是有时会出现如下错误：

代码语言：javascript代码运行次数：0运行复制
ValueError: Cannot load a memory-mapped image: BZERO/BSCALE/BLANK header keywords present. Set memmap=False

原因： 某些 FITS 文件包含 BZERO、BSCALE 或 BLANK 关键字，这会影响数据的内存映射方式，导致无法正常加载。

解决方案： 在遇到该问题时，直接设置 memmap=False或者不添加memmap参数, 默认就是False，即不启用内存映射：

代码语言：javascript代码运行次数：0运行复制
with fits.open(fits_file, memmap=False) as hdul:
    data = hdul[0].data

这样可以保证数据正确加载，虽然可能牺牲部分加载速度，但避免了内存映射带来的兼容性问题。

2. 下采样计算亮度区间

使用 ZScaleInterval 计算 vmin 和 vmax 时，对数据进行下采样（例如采样每隔 4 个像素），可以减少计算量：

代码语言：javascript代码运行次数：0运行复制
vmin, vmax = interval.get_limits(data[::4, ::4])

3. 关闭插值加速渲染

在 imshow 中设置 interpolation='none' 可关闭插值计算，从而加快渲染速度：

代码语言：javascript代码运行次数：0运行复制
ax.imshow(data, cmap='gray', origin='lower', vmin=vmin, vmax=vmax, interpolation='none')

4. 合理调整 dpi 以加速图片保存

如果对图像分辨率要求不高，可以适当降低 dpi 参数，从而缩短保存时间。例如：

代码语言：javascript代码运行次数：0运行复制
plt.savefig(output_file, dpi=150, bbox_inches='tight', pad_inches=-0.1)

降低 dpi 后，保存速度会更快，但需权衡分辨率和速度的关系。

拓展

Mac上安装 SAOImage DS9
代码语言：javascript代码运行次数：0运行复制
brew install --cask saoimageds9

最后

本文详细介绍了如何使用 Python 将 FITS 图像转换为常用格式，并在图像上添加彩色圆圈进行精确标注。同时，我们分享了多种提升处理速度的优化策略，包括内存映射优化、下采样计算、关闭插值以及合理调整 dpi。希望这篇文章能为你在天文图像数据处理方面提供帮助和启发！

欢迎大家留言讨论，分享你的优化经验和心得。关注我们，获取更多天文数据处理与 Python 编程的干货分享！

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-03-05，如有侵权请联系 cloudcommunity@tencent 删除数据优化python渲染数据处理

极致优化：Python 实战教你高效转换 FITS 图像并精确标注坐标

前言

FITS（Flexible Image Transport System）是天文学中常用的数据格式，保存了大量的观测数据。传统软件如 SAOImage DS9 能够直观显示 FITS 图像，但在大规模数据处理和自动化任务中，使用 Python 编程可以实现更加灵活高效的图像处理工作流程。本文示例代码中主要使用了以下工具：

  • • astropy.io.fits：读取 FITS 数据
  • • astropy.visualization.ZScaleInterval：智能拉伸图像对比度
  • • matplotlib：图像渲染与保存

同时，我们在图像上添加彩色圆圈标注目标点，方便后续分析与比对。

安装相关依赖

在开始之前，请确保安装了以下 Python 包：

代码语言：javascript代码运行次数：0运行复制
pip install numpy matplotlib astropy pillow

这些包分别用于数值计算、图像绘制、FITS 数据处理以及图片后处理。

完整代码

下面是完整的代码示例，该代码读取 FITS 文件，使用 ZScaleInterval 自动调整亮度区间，并在指定坐标位置添加彩色圆圈标注，最终保存为 PNG 图片：

代码语言：javascript代码运行次数：0运行复制
# -*- coding: utf-8 -*-

# @Author: 胖胖很瘦
# @Date: 2025-03-04 11:36:28
# @LastEditors: 胖胖很瘦
# @LastEditTime: 2025-03-04 15:41:36
import os
import numpy as np
import matplotlib.pyplot as plt
from astropy.io import fits
from astropy.visualization import ZScaleInterval

deffits_to_png_with_circle(fits_file, output_file, xy_coords, circle_color='red', circle_radius=60):
    """
    读取 FITS 文件，将其转换为 PNG/JPG 并在指定坐标绘制彩色圆圈。
    
    参数：
    - fits_file: str, FITS 文件路径
    - output_file: str, 输出图片文件路径（.png 或 .jpg）
    - xy_coords: list of tuples, 需要标注的 (x, y) 坐标列表
    - circle_color: str, 圆圈颜色，例如 'red', 'blue'
    - circle_radius: int, 圆圈半径（像素）
    """
    # 读取 FITS 数据
    with fits.open(fits_file) as hdul:
        data = hdul[0].data  # 获取主扩展的数据
    
    # 计算图像显示的亮度区间
    interval = ZScaleInterval()
    vmin, vmax = interval.get_limits(data)
    
    # 创建图像
    fig, ax = plt.subplots(figsize=(8, 8))
    ax.imshow(data, cmap='gray', origin='lower', vmin=vmin, vmax=vmax)
    
    # 在指定坐标添加彩色圆圈
    for (x, y) in xy_coords:
        circle = plt.Circle((x, y), circle_radius, color=circle_color, fill=False, linewidth=1)
        ax.add_patch(circle)
    
    # 去除坐标轴和边框
    ax.set_xticks([])  # 移除 X 轴刻度
    ax.set_yticks([])  # 移除 Y 轴刻度
    ax.set_frame_on(False)  # 移除整个边框
    
    # 保存为 PNG 或 JPG（这里采用 dpi=150，可根据需求调整）
    plt.savefig(output_file, dpi=150, bbox_inches='tight', pad_inches=-0.1)
    plt.close()
    
# 示例调用
fits_file = "example.fits"
output_file = "output.png"
xy_coords = [(100, 150), (200, 300)]
fits_to_png_with_circle(fits_file, output_file, xy_coords, circle_color='cyan', circle_radius=60)

优化技巧

为了提升整体处理速度和运行效率，我们可以从以下几个方面进行优化：

1. 使用内存映射（Memory Mapping）读取 FITS 文件

对于大型 FITS 文件，可以使用 memmap=True 进行内存映射，以加快数据读取速度。

代码语言：javascript代码运行次数：0运行复制
with fits.open(fits_file, memmap=True) as hdul:
    data = hdul[0].data

但是有时会出现如下错误：

代码语言：javascript代码运行次数：0运行复制
ValueError: Cannot load a memory-mapped image: BZERO/BSCALE/BLANK header keywords present. Set memmap=False

原因： 某些 FITS 文件包含 BZERO、BSCALE 或 BLANK 关键字，这会影响数据的内存映射方式，导致无法正常加载。

解决方案： 在遇到该问题时，直接设置 memmap=False或者不添加memmap参数, 默认就是False，即不启用内存映射：

代码语言：javascript代码运行次数：0运行复制
with fits.open(fits_file, memmap=False) as hdul:
    data = hdul[0].data

这样可以保证数据正确加载，虽然可能牺牲部分加载速度，但避免了内存映射带来的兼容性问题。

2. 下采样计算亮度区间

使用 ZScaleInterval 计算 vmin 和 vmax 时，对数据进行下采样（例如采样每隔 4 个像素），可以减少计算量：

代码语言：javascript代码运行次数：0运行复制
vmin, vmax = interval.get_limits(data[::4, ::4])

3. 关闭插值加速渲染

在 imshow 中设置 interpolation='none' 可关闭插值计算，从而加快渲染速度：

代码语言：javascript代码运行次数：0运行复制
ax.imshow(data, cmap='gray', origin='lower', vmin=vmin, vmax=vmax, interpolation='none')

4. 合理调整 dpi 以加速图片保存

如果对图像分辨率要求不高，可以适当降低 dpi 参数，从而缩短保存时间。例如：

代码语言：javascript代码运行次数：0运行复制
plt.savefig(output_file, dpi=150, bbox_inches='tight', pad_inches=-0.1)

降低 dpi 后，保存速度会更快，但需权衡分辨率和速度的关系。

拓展

Mac上安装 SAOImage DS9
代码语言：javascript代码运行次数：0运行复制
brew install --cask saoimageds9

最后

本文详细介绍了如何使用 Python 将 FITS 图像转换为常用格式，并在图像上添加彩色圆圈进行精确标注。同时，我们分享了多种提升处理速度的优化策略，包括内存映射优化、下采样计算、关闭插值以及合理调整 dpi。希望这篇文章能为你在天文图像数据处理方面提供帮助和启发！

欢迎大家留言讨论，分享你的优化经验和心得。关注我们，获取更多天文数据处理与 Python 编程的干货分享！

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-03-05，如有侵权请联系 cloudcommunity@tencent 删除数据优化python渲染数据处理

本文标签： 极致优化Python 实战教你高效转换 FITS 图像并精确标注坐标

版权声明：本文标题：极致优化：Python 实战教你高效转换 FITS 图像并精确标注坐标 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://it.en369.cn/jiaocheng/1748249735a2275219.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。