Python 计算图像遮罩中的点到一组点的最小距离

我有一个像这样的图像掩码差异：

对于每一个白色像素值！=0，我要计算从该像素到一组点的最小距离。点集是外部轮廓上的点，将存储为[x_val y_val]的numpy数组。我正在考虑这样做：

...
def calcMinDist(dilPoints):
    ...

#returns 2d array (same shape as image)
def allMinDistDil(dilMask):
    dilPoints = getPoints(dilMask)
    ...
    return arrayOfMinValues

#more code here

blkImg = np.zeros(maskImage.shape,dtype=np.uint8)
blkImg.fill(0) 

img_out = np.where(differenceM,allMinDistDil(dilatedMask),blkImg)

....

但问题是，为了计算从像素点到从getPoints函数获得的一组点的最小距离，我需要传入像素点索引？也但是如果我的理解是正确的，使用这个where函数，它只检查第一个参数中的真值和假值……所以我编写np.where函数的方法不起作用

我考虑过使用嵌套for循环来解决这个问题，但我试图避免使用for循环，因为我有很多图像要处理

---

我可以问一下解决这个问题的建议吗？任何帮助都将不胜感激

没有足够的代表评论您可能想要的距离。您可以使用以下简单方法计算最小距离：

from scipy.spatial import distance

def min_distance(points, set_of_points):
    return distance.cdist(np.atleast_1d(point), set_of_points).min()

---

至于np，在哪里可以提供更多关于数据结构的信息？大多数情况下，一个简单的布尔掩码将完成任务…

而不是使用np.where函数查找不为零的特定像素，我应用了：

diffMaskNewArray = np.transpose(np.nonzero(binaryThreshMask))

获取值不是零的点。使用此点数组，我迭代了此数组中的每个点，并将其与遮罩的边界点数组进行比较，并使用：

shortestDistDil = np.amin(distance.cdist(a, b, 'euclidean'))

---

查找点和边界点集之间的最小距离。

你好，部分原因是您有缩进错误，所以理解有困难。

hi@kevinkayaks，我可以问一下哪些部分吗？另外，我可以问一下缩进误差在哪里吗？也许我会编辑代码使其更清晰。谢谢你的建议@Mstaino！但实际上，我对np.where部分比cdist部分更为困惑。也许下次我应该更清楚地表达我的问题。没问题，也许添加一个数据样本是有用的，因为numpy中的图像格式可能会有所不同。很高兴你找到了解决办法。干杯