我想計算一個二元NxM矩陣中一個形狀的凸殼。凸殼算法需要一個坐標(biāo)列表，所以我采用紐比。阿爾格何處(im)具有所有形狀點坐標(biāo)。但是，這些點中的大多數(shù)并沒有對凸包起作用(它們位于形狀的內(nèi)部)。因為凸包計算時間至少與輸入的點數(shù)成正比，所以我設(shè)計了一個想法，預(yù)先過濾掉過多無用的點，只通過那些跨越輪廓的點。這個想法很簡單，對于二進制NxM矩陣中的每一行，我只取最小和最大的索引。例如：im = np.array([[1,1,1,0],

[1,0,1,1],

[1,1,0,1],

[0,0,0,0],

[0,1,1,1]], dtype=np.bool)

outline = somefunc(im)

然后大綱應(yīng)該是(在元組中或者作為一個5x2 numpy數(shù)組，我不介意)：

^{pr2}$

任何緊圍繞這個形狀(im)的凸殼，必須是這些點(輪廓)的子集。換句話說，如果“somefunc()”能夠有效地過濾內(nèi)部點，那么它將為凸殼計算節(jié)省時間。在

我有一些代碼可以實現(xiàn)上面的技巧，但我希望有人有一個更聰明(讀得更快)的方法，因為我需要運行它很多次。我的密碼是：# I have a 2D binary field. random for the purpose of demonstration.

import numpy as np

im = np.random.random((320,360)) > 0.9

# This is my algorithm so far. Notice that coords is sorted.

coords = np.argwhere(im)

left = np.roll(coords[:,0], 1, axis=0) != coords[:,0]

outline = np.vstack([coords[left], coords[left[1:]], coords[-1]])

我的另一個想法是使用Python的reduce()，這樣我只需要運行一次坐標(biāo)列表。但我很難找到一個好的約化函數(shù)。在

任何幫助都將不勝感激！在

編輯

同時，我發(fā)現(xiàn)了一種從im直接到outline的更快的方法。至少對于大圖像來說，這要快得多。在顯然沒有外部解決方案的情況下，我把它作為這個問題的解決方案。在

不過，如果有人知道更快的方法，請大聲說出來：)

總結(jié)

以上是生活随笔為你收集整理的python 轮廓矩阵_二进制二维矩阵的python轮廓的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。