Python 快速找到像素区域质心的方法

对于一个游戏，我制作了一个区域地图，由像素组成，每个区域都有不同的颜色。从那以后，我想在每个地区加上名字

出于视觉目的，我想把名字放在区域的质心上。因此，我使用PIL将图像转换为单个大矩阵。我构建了一个类来记录每个区域的质心数据，这些数据收集在字典中。然后，我迭代像素以处理质心。此方法非常慢，对于2400 x 1100地图，大约需要一分钟

territory\u map=numpy.array([
[0, 0, 0, 1, 0, 0, 0],
[0, 2, 2, 1, 0, 0, 0],
[2, 2, 1, 1, 3, 3, 3],
[2, 0, 0, 1, 3, 0, 0],
])
质心_数据={}
类质心记录（对象）：
定义初始化（self，x，y）：
超级（质心记录，自我）。\uuuuu init\uuuuuu（）
self.x=浮动（x）
self.y=浮动（y）
self.volume=1
def附加质量（自身、x、y）：
#新卷=（旧卷*旧卷+x）/（旧卷+1），
#因此，new_x=old_x+（x-old_x）/v，
#对于v=体积+1。
自卷+=1
self.x+=（x-self.x）/self.volume
self.y+=（y-self.y）/self.volume
对于范围内的y（区域映射形状[0]）：
对于范围内的x（区域地图形状[1]）：
单元格=区域\地图[y][x]
如果单元格==0：
持续
如果单元格不在质心_数据中：
质心_数据[单元]=质心记录（x，y）
其他：
质心数据[单元]。添加质量（x，y）
对于质心_数据中的区域：
数据=质心_数据[面积]
打印（f“{area}:（{data.x}，{data.y}）”）

应打印以下内容：

1: (2.8, 1.6)
2: (0.8, 1.8)
3: (4.75, 2.25)

---

有什么更快的方法可以做到这一点吗？

颜色质心的每个坐标只是该颜色点的所有坐标的平均值。因此，我们可以使用

dict

理解：

import numpy as np

n_colours = territory_map.max()

{i: tuple(c.mean() for c in np.where(territory_map.T == i)) 
 for i in range(1, n_colours + 1)}

输出：

{1: (2.8, 1.6), 
 2: (0.8, 1.8), 
 3: (4.75, 2.25)}

注意，我们需要进行转置，因为在

numpy

中，行（y坐标）位于列（x坐标）之前

随机生成的数据所花费的时间：

81.6 ms ± 5.36 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

颜色质心的每个坐标只是该颜色点的所有坐标的平均值。因此，我们可以使用

dict

理解：

import numpy as np

n_colours = territory_map.max()

{i: tuple(c.mean() for c in np.where(territory_map.T == i)) 
 for i in range(1, n_colours + 1)}

输出：

{1: (2.8, 1.6), 
 2: (0.8, 1.8), 
 3: (4.75, 2.25)}

注意，我们需要进行转置，因为在

numpy

中，行（y坐标）位于列（x坐标）之前

随机生成的数据所花费的时间：

81.6 ms ± 5.36 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)