如何修剪.fits图像并保留世界坐标以便在astropy Python中绘图？

Question

这个问题一直困扰着我。我试图处理一些.fits文件形式的大量数据（大约11000x9000像素）。我需要做的是创建一个放大的＆＃39; RA / Dec坐标图（理想情况下使用astropy.wcs）用于天空中的许多物体，其中包含来自一个拟合文件的轮廓和灰度（或来自另一个的热图）。

我的问题是每当我从图像切片数据（到我感兴趣的区域）时，我都会失去与天空坐标的关联。这意味着切片图像不在正确的位置。

我已经改编了the astropy docs中的一个示例来为您节省数据的痛苦。 （注意：我希望轮廓覆盖的区域比图像更多，无论解决方案是什么，都应该对数据起作用）

以下是我遇到问题的代码：

from matplotlib import pyplot as plt
from astropy.io import fits
from astropy.wcs import WCS
from astropy.utils.data import download_file
import numpy as np

fits_file = 'http://data.astropy.org/tutorials/FITS-images/HorseHead.fits'
image_file = download_file(fits_file, cache=True)
hdu = fits.open(image_file)[0]
wmap = WCS(hdu.header)
data = hdu.data

fig = plt.figure()
ax1 = fig.add_subplot(121, projection=wmap)
ax2 = fig.add_subplot(122, projection=wmap)
# Scale input image
bottom, top = 0., 12000.
data = (((top - bottom) * (data - data.min())) / (data.max() - data.min())) + bottom


'''First plot'''
ax1.imshow(data, origin='lower', cmap='gist_heat_r')

# Now plot contours
xcont = np.arange(np.size(data, axis=1))
ycont = np.arange(np.size(data, axis=0))
colors = ['forestgreen','green', 'limegreen']
levels = [2000., 7000., 11800.]

ax1.contour(xcont, ycont, data, colors=colors, levels=levels, linewidths=0.5, smooth=16)
ax1.set_xlabel('RA')
ax1.set_ylabel('Dec')
ax1.set_title('Full image')

''' Second plot ''' 
datacut = data[250:650, 250:650]
ax2.imshow(datacut, origin='lower', cmap=cmap)
ax2.contour(xcont, ycont, data, colors=colors, levels=levels, linewidths=0.5, smooth=16)

ax2.set_xlabel('RA')
ax2.set_ylabel('')
ax2.set_title('Sliced image')
plt.show()

我尝试使用我的切片块的WCS坐标来解决这个问题，但我不确定我是否可以将它传递到任何地方！

pixcoords = wcs.wcs_pix2world(zip(*[range(250,650),range(250,650)]),1)

Answer 1

好消息是：您可以简单地对astropy.WCS进行切片，这会使您的任务变得微不足道：

...

wmapcut = wmap[250:650, 250:650] # sliced here
datacut = data[250:650, 250:650]
ax2 = fig.add_subplot(122, projection=wmapcut) # use sliced wcs as projection
ax2.imshow(datacut, origin='lower', cmap='gist_heat_r')
# contour has to be sliced as well
ax2.contour(np.arange(datacut.shape[0]), np.arange(datacut.shape[1]), datacut, 
            colors=colors, levels=levels, linewidths=0.5, smooth=16)
...

如果您的文件有不同的WCS，则可能需要进行一些重投影（例如参见reproject）