从图像中堆叠星形 PSF；对齐子像素中心答案

【问题标题】：Stacking star PSFs from an Image; aligning sub-pixel centers从图像中堆叠星形 PSF；对齐子像素中心
【发布时间】：2015-07-30 01:04:55
【问题描述】：

我有一个 (1727,1853) 大小的数组（图像），我在其中识别了星星来模拟点扩散函数。数组的每个索引对应一个图像坐标，但是，每个星的质心由一个子像素坐标给出。我必须执行以下操作

对每颗星进行二维切片。我已经使用 numpy 的数组切片完成了这项工作。但是，它按索引切片，并且我有亚像素质心坐标，因此我制作的任何类型的切片都会使星星偏离中心。
在对每颗星进行 2D 切片后，我必须将这些数组堆叠在一起以制作点扩散函数的模型。这很简单，只要每个星的亚像素中心对齐即可。

我的问题是对齐这些子像素坐标并将每个 2D 切片堆叠在一起的最有效（和正确）方法是什么？

我希望这很清楚。任何帮助将非常感激。下面是其中一颗星星的 2D 切片（不是很好），但是它偏离了中心，因为 numpy 按索引切片，并且星星的质心具有亚像素坐标。

【问题讨论】：

标签： python arrays numpy astronomy

【解决方案1】：

您可以表示每个“切片”中像素相对于星形质心的中心坐标，然后计算加权 2D 直方图。

首先，一些示例数据：

import numpy as np
from matplotlib import pyplot as plt

# pixel coordinates (integer)
x, y = np.mgrid[:100, :100]
# centroids (float)
cx, cy = np.random.rand(2, 9) * 100

# a Gaussian kernel to represent the PSF
def gausskern(x, y, cx, cy, sigma):
    return np.exp(-((x - cx) ** 2 + (y - cy) ** 2) / (2 * sigma ** 2))

# (nstars, ny, nx)
stars = gausskern(x[None, ...], y[None, ...],
                  cx[:, None, None], cy[:, None, None], 10)

# add some noise for extra realism
stars += np.random.randn(*stars.shape) * 0.5

fig, ax = plt.subplots(3, 3, figsize=(5, 5))
for ii in xrange(9):
    ax.flat[ii].imshow(stars[ii], cmap=plt.cm.hot)
    ax.flat[ii].set_axis_off()
fig.tight_layout()

加权二维直方图：

# (nstars, ny, nx) pixel coordinates relative to each centroid
dx = cx[:, None, None] - x[None, ...]
dy = cy[:, None, None] - y[None, ...]

# 2D weighted histogram
bins = np.linspace(-50, 50, 100)
h, xe, ye = np.histogram2d(dx.ravel(), dy.ravel(), bins=bins,
                           weights=stars.ravel())

fig, ax = plt.subplots(1, 1, subplot_kw={'aspect':'equal'})
ax.hold(True)
ax.pcolormesh(xe, ye, h, cmap=plt.cm.hot)
ax.axhline(0, ls='--', lw=2, c='w')
ax.axvline(0, ls='--', lw=2, c='w')
ax.margins(x=0, y=0)

【讨论】：