如何从Python中的二维点云在正方形网格上创建二进制掩码？

我有一个二维点云的X和Y坐标，我想将其映射到一个二维均匀网格上，分辨率为

imageResolution

最初为全零。我希望网格中覆盖2D点云的所有像素都包含一个，以生成二值图像

请注意，在我的2D点云和统一网格中都有大量的点，因此循环在这里不是有效的解决方案

我看过凸包，但我的点不一定在凸集内

我尝试了以下代码，但它没有给我正确的二进制映射，因为它只将1s分配给距离点云中的点最近的网格点（参见下图）：

请看这张图片，它显示了我的2D点云，我想要的二进制地图，以及我从上面的代码中得到的当前二进制地图。请注意，红色像素在最后一张图像中很难看到

如何从Python中的二维点云在正方形网格上创建二进制掩码

---

谢谢

免责声明：：未经测试的建议

如果我理解正确，您应该标记像素的邻域，而不是用

1

标记单个像素

您可以尝试在binaryMap[xIndex，yIndex]=1之前插入以下行：

DELTA_UPPER=2                                # Param. Needs fine-tuning
delta = np.arange(DELTA_UPPER).reshape(-1,1)
xIndex = xIndex + delta
xIndex [xIndex >= imageResolution] = imageResolution-1
yIndex = yIndex + delta
yIndex [yIndex >= imageResolution] = imageResolution-1

x_many, y_many = np.broadcast_arrays (xIndex[:,None], yIndex)

xIndex = x_many.reshape(-1)
yIndex = y_many.reshape(-1)

注意：

---

DELTA_UPPER

是一个参数，您必须通过使用它进行微调。（可能以DELTA_UPPER=3开头）

未测试的代码

在进一步澄清的基础上，发布第二个答案，以便更好地索引

二进制映射

，因为

点

包含浮点数

imageResoluton = 256
MAX_X = # Fill in here the max x value ever possible in `points`
MIN_X = # Fill in here the min x value ever possible in `points`
MAX_Y = # Fill in here the max y value ever possible in `points`
MIN_Y = # Fill in here the min y value ever possible in `points`

SCALE_FAC = imageResolution / max(MAX_X-MIN_X, MAX_Y-MIN_Y)

X = np.around(SCALE_FAC * points[:,0]).astype(np.int64)
Y = np.around(SCALE_FAC * points[:,1]).astype(np.int64)
X [X >= imageResolution] = imageResolution-1
Y [Y >= imageResolution] = imageResolution-1

binaryMap[X, Y] = 1

---

（不需要

查找索引（）

）

嗨，谢谢你的回答。如果我标记一个像素邻域，形状的边界将无法在二进制文件上正确表示map@InternetUser0947引用：“我尝试了以下代码，但它没有给我正确的二进制映射，因为它只将1s分配给距离点云中的点最近的网格点。”。对我来说，这听起来像是你要求的关键。（我认为这意味着绘图的精确性导致事情变得不那么明显）。因此我发布了这个解决方案。请您重新澄清当前输出中的错误以及您对输出的期望。谢谢。@InternetUser0947——如果您正在寻找一种更精确的绘图方法，也许您可以尝试

binaryMap[X，Y]=1

，而不是

binaryMap[xIndex，yIndex]=1

（正如您已经定义的

X=points[：，0]

和

Y=points[：，1]

）。这假设

点

中的值严格为

范围（图像分辨率）

中的整数。

find_index（）

函数需要什么？我是不是遗漏了什么？请看我在提问时的照片。特别是，请查看我想要的输出，与当前输出进行比较。我基本上希望在二维点云所在的域中，所有的点都是1，其他的点都是0。关于你的第二点，X和Y是1）不是整数，2）与2D网格点不重合的点。请看我刚刚发布的第二个答案。它舍入

X

和

Y

中的值，并确保它们可以安全地用作

binaryMap

的索引。请让我知道它是否有效。你好，这不起作用。因为X和Y是独立的点云坐标。它们与统一网格不重合。它们只是构成形状的点分散的x坐标和y坐标。

点

中的值是否有定义的最大和最小范围？一些永远不会超过的范围？如果是这样，您可以找到缩放因子，将

点的所有x和y值缩放到256x256的比例grid@InternetUser0947--我编辑了这个答案，以显示缩放逻辑的样子。让我知道这是否可行我刚刚尝试了这个解决方案，我可以确认它仍然不起作用。它生成的输出看起来类似于第三幅图像，其中只有几个点的值为1。我想要第二张图片。这可能意味着云太稀疏了，看不见（点之间的距离太远。这意味着，你可能需要标记像素的邻域，而不是单个像素。你能告诉我你在
点中有多少点吗？
？也许这个答案会有所帮助：Hi@user6386471，griddata使用凸包的概念，而我的数据点不一定在凸集中。我还有n关于凸数据点
imageResoluton = 256
MAX_X = # Fill in here the max x value ever possible in `points`
MIN_X = # Fill in here the min x value ever possible in `points`
MAX_Y = # Fill in here the max y value ever possible in `points`
MIN_Y = # Fill in here the min y value ever possible in `points`

SCALE_FAC = imageResolution / max(MAX_X-MIN_X, MAX_Y-MIN_Y)

X = np.around(SCALE_FAC * points[:,0]).astype(np.int64)
Y = np.around(SCALE_FAC * points[:,1]).astype(np.int64)
X [X >= imageResolution] = imageResolution-1
Y [Y >= imageResolution] = imageResolution-1

binaryMap[X, Y] = 1