光斑处理：python处理高斯光束的图像
光斑处理系统：程序框架🌟打开图像🌟参数对话框/伪彩映射🌟裁切ROI

光斑分布

光斑作为图像而言，其表现能力是有限的，因为相比于其形状，我们有时更关心其强度。而为了表现其强度，则有许多种不同的方案

1. ‘cross’ 对每行或者每列挑选出峰值位置和行列的均值，作为其代表性的数据
2. ‘3d’ 直接把强度作为第三个维度，绘制三维的光斑数据
3. ‘deg’ 用过质心的线段对光斑进行等分，并得到每条线段上光斑的强度分布
4. ‘click’ 点击两点连线，并显示这条线上的强度分布

其中，click模式与之前图像切割时需要用到相同的交互，故放在一起实现；而deg模式涉及到比较复杂的插值过程，所以下面先实现前两种模式。

峰值和均值

根据上述几种模式，可设置下面三个参数，表示分布模式、起始角度和角度分割数。

    def init_param(self):
        # 前面省略
        # 光斑分布
        self.distriPara = {
            "mode":"cross",
            "stDeg":0,
            "numDeg":4
        }

而光斑分布的整体框架如下

    def img_distri(self):
        flag, distriPara = inputValue(self.distriPara)
        if not flag:
            return
        for key in distriPara:
            if key != None:
                self.distriPara[key] = distriPara[key]
        if distriPara['mode'] == 'cross':
            self.drawCross()
        elif distriPara['mode'] == "3d":
            self.drawPlot3D()
        elif distriPara['mode'] == "deg":
            self.drawPlotDeg()

对于cross模式而言，起始并不需要参数，只需求得水平方向和竖直方向的最大值和均值即可，相应地绘图函数如下

    def drawCross(self):
        datas = {
            "xMax": np.max(self.img, 0),
            "yMax": np.max(self.img, 1),
            "xMean": np.mean(self.img, 0),
            "yMean": np.mean(self.img, 1)
        }
        self.fig.clf()
        for i,key in enumerate(datas,1):
            ax = self.fig.add_subplot(2,2,i)
            ys = datas[key]
            ax.plot(np.arange(len(ys)), ys, label=key)
            ax.legend()
        self.canvas.draw()

结果如下

三维分布

画出一个光斑的三维分布，要远比想象中更简单，只需一个函数就可以轻松做到

    def drawPlot3D(self):
        m,n = self.img.shape
        xAxis,yAxis = np.indices([n,m])
        self.fig.clf()
        ax = self.fig.add_subplot(111, projection='3d')
        ax.plot_surface(xAxis,yAxis,self.img)
        self.canvas.draw()

其中$m,n$是图像尺寸，xAxis, yAxis是坐标轴网格，在清楚现有图像后，新建一个三维坐标轴，并将图像灰度以三维形式展示出来，效果如下。