Python 在线性时间内合并图像区域（bboxes）

我有一组用于某些图像的区域（边界框），例如python代码：

im = Image.open("single.png")
pix = np.array(im)
gray = rgb2grey(pix)
thresh = threshold_otsu(gray)
bw = closing(gray > thresh, square(1))

cleared = bw.copy()
clear_border(cleared)
borders = np.logical_xor(bw, cleared)
label_image = label(borders)

for region in regionprops(label_image, ['Area', 'BoundingBox']):
    #now i have bounding boxes in hand

我想做的是合并重叠区域或bbox边之间的距离小于

X

。天真的方法是检查所有区域之间的距离，这具有O（n2）复杂性。我可以写一些更聪明的东西，但我的印象是这种算法已经存在，我不想重新发明轮子。非常感谢您的帮助。

这是您的问题“有n个框（不一定是//到x-y轴），您想找到所有重叠框并合并它们（如果存在）

我还不能想出一个线性算法，但我有一个比O（n^2）更快的粗略想法，也许O（n lgn）描述如下：

给每个盒子一个id，也为每个边标记它属于盒子

用于查找所有交点

在扫描线算法中，一旦报告了一个交点，您就知道哪两个框是重叠的，请使用类似“不相交集”的方法对它们进行分组

最后线性扫描不相交的集合，对于每个集合，不断更新最左边、最右边、最上面、最下面的点，以制作一个更大的框来绑定它们 （此处完成合并，请注意，如果一个框与其他框没有重叠，则集合将仅包含自身）

我希望这种方法能起作用，并且应该比O（n^2）快，但即使它能起作用，在步骤4中仍然存在一些问题，其中较大的合并框必须//到x-y轴，这不是必须的

编辑：很抱歉，我只是再次通过OP，并且理解上述解决方案并不能解决“距离 此外，合并框程序不是一次通过作业，它是一种递归作业，例如，将框a和框B合并为框C，则框C可能与框D重叠/距离

---

在线性时间内解决这项任务对我来说是不可能的，因为在O（n）中几乎无法预先计算所有成对框之间的距离。

如何测量边界框之间的“距离”？您的意思是“边界框中的每条边的最大距离为X”还是“边之间的总距离为X？”此外，您希望如何将它们合并在一起？有不同的方法可以做到这一点，但有些方法可能会导致“级联”效果，在合并两个框后，新框需要与第三个框合并。@templatetypedef Distance定义为两个不同框的任意两条边之间的最短距离。合并是在要合并的边界框周围创建边界框。如果您只需将所有框按（距离/2）增长，距离问题就会容易得多。这至少减少了“盒子重叠”的问题。