二进制2D矩阵的python轮廓

我想计算一个二元NxM矩阵中形状周围的凸包。凸包算法需要一个坐标列表，所以我采用numpy.argwhere（im）来表示所有的形状点坐标。但是，这些点中的大多数都不是凸包（它们位于形状的内部）。因为凸包计算时间至少与它作为输入得到的点数成正比，所以我设计了一个想法，预先过滤过多的无用点，只传递那些跨越轮廓的点。这个想法很简单，对于二进制NxM矩阵中的每一行，我只取最小和最大索引。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)

然后大纲应该是（元组或5x2 numpy数组，我不介意）：

任何紧靠此形状（im）的凸面外壳必须是这些点（轮廓）的子集。换句话说，如果“somefunc（）”能够有效地过滤内部点，则可以节省凸包计算的时间

我有实现上述技巧的代码，但我希望有人有更聪明（读得更快）的方法，因为我需要多次运行它。我的密码是：

# 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]])

我的另一个想法是使用Python的reduce（），因此我只需要运行一次coords列表。但是我很难找到一个好的归约函数

任何帮助都将不胜感激

编辑

与此同时，我找到了一种更快的方法，可以从

im

直接进入

outline

。至少对于大型图像，这要快得多。在明显缺乏外部解决方案的情况下，我将其作为这个问题的解决方案

---

不过，如果有人知道一种更快的方法，请大声说：）

这项作业似乎完成了与您的最后两个步骤相同的任务：

outline = np.array(dict(reversed(coords)).items() + dict(coords).items())

---

但是，不知道它是否更快。

对于更一般的解决方案，您可以使用某种边缘检测方法仅查找边缘点。我相信（谷歌…）NumPy有内置的sobel过滤器，可以做到这一点。

在没有可接受答案的情况下，我发布了我最好的工作代码作为解决方案

def outline(im):
    ''' Input binary 2D (NxM) image. Ouput array (2xK) of K (y,x) coordinates
        where 0 <= K <= 2*M.
    '''
    topbottom = np.empty((1,2*im.shape[1]), dtype=np.uint16)
    topbottom[0,0:im.shape[1]] = np.argmax(im, axis=0)
    topbottom[0,im.shape[1]:] = (im.shape[0]-1)-np.argmax(np.flipud(im), axis=0)
    mask      = np.tile(np.any(im, axis=0), (2,))
    xvalues   = np.tile(np.arange(im.shape[1]), (1,2))
    return np.vstack([topbottom,xvalues])[:,mask].T

def大纲（im）：
''输入二进制2D（NxM）图像。K（y，x）坐标的输出阵列（2xK）
其中0
fast
没有太大帮助。唉，我在寻找答案，聪明的家伙。@Paul:也许是一个很好的抱怨方法，因为你的问题有一部分不清楚，也没有帮助。如果我们不能得到你的问题（包括你的标签），我们几乎帮不上忙。对于任何到这里的人，请看以下答案：是的，我知道sobel过滤器，它太棒了。事实上，我就是这样得到这些二值图像的。但是，过滤器不提供索引。过滤器将提供位图/矩阵，您可以在其中找到所有索引，就像您在代码中所做的那样。哦，等等，您得到了带有sobel的示例图像，它有太多的点？您是对的。我想在（阈值化的）sobel周围拟合一个多边形。因此，首先，我想减少分数。在机器视觉应用程序中，我一直在使用blob工具中的轮廓输出，但不幸的是，我在OpenCV中没有看到这样的功能。这将是一个优雅的解决方案。太糟糕了，它慢了10倍。
def outline(im):
    ''' Input binary 2D (NxM) image. Ouput array (2xK) of K (y,x) coordinates
        where 0 <= K <= 2*M.
    '''
    topbottom = np.empty((1,2*im.shape[1]), dtype=np.uint16)
    topbottom[0,0:im.shape[1]] = np.argmax(im, axis=0)
    topbottom[0,im.shape[1]:] = (im.shape[0]-1)-np.argmax(np.flipud(im), axis=0)
    mask      = np.tile(np.any(im, axis=0), (2,))
    xvalues   = np.tile(np.arange(im.shape[1]), (1,2))
    return np.vstack([topbottom,xvalues])[:,mask].T