将开放曲线转换为有序像素列表：使用numpy的Python测试代码

我有一个numpy数组中的开放曲线的图像，我需要建立一个点坐标列表，这些点坐标按照它们在曲线上的位置排序。 我用numpy和mahotas写了一篇文章。它可能不是最优的

我知道OpenCV可以对闭合曲线执行此操作。OpenCV可以对开放曲线执行相同（更快）的操作吗

例如，如果原始曲线为：

[[0 0 0 0 0 0 0]
 [0 1 0 0 1 0 0]
 [0 0 1 0 0 1 0]
 [0 0 0 1 1 0 0]
 [0 0 0 0 0 0 0]]

使用

np.where（myarray==1）

，我可以得到像素的索引：

(array([1, 1, 2, 2, 3, 3]), array([1, 4, 2, 5, 3, 4]))

但这不是我需要的。我的脚本根据曲线上像素的顺序生成索引：

i= 0 ( 1 , 1 )
i= 1 ( 2 , 2 )
i= 2 ( 3 , 3 )
i= 3 ( 3 , 4 )
i= 4 ( 2 , 5 )
i= 5 ( 1 , 4 )

---

我想优化我的脚本。有什么想法吗？

假设矩阵/图像中只有一条曲线，并且曲线上的每个点都有1到2个相邻点，下面的函数将提供您需要的结果

它的工作原理是取最靠近左上角的点，并通过迭代查找最近的点（在没有其他点之前尚未访问）形成点链。对于闭合曲线，链上第一个/最后一个点之间的平方欧氏距离将小于2

import numpy as np

def find_chain(mat):
  locs=np.column_stack(np.nonzero(mat))
  chain=[np.array([0,0])]
  while locs.shape[0]>0:
    dists=((locs-np.vstack([chain[-1]]*locs.shape[0]))**2).sum(axis=1)
    next=dists.argmin()
    if dists.min()<=2 or len(chain)==1:
      chain.append(locs[next,:])
      locs=locs[np.arange(locs.shape[0])!=next,:]
    else:
      chain=[chain[0]]+chain[1::][::-1]
  return np.vstack(chain[1::]),((chain[1]-chain[-1])**2).sum()<=2

对于闭合曲线：

>>> mat2=np.array([[0, 0, 0, 0, 0],
...                [0, 0, 1, 0, 0],
...                [0, 1, 0, 1, 0],
...                [0, 1, 0, 1, 0],
...                [0, 0, 1, 0, 0],
...                [0, 0, 0, 0, 0]])
>>> points,isclosed=find_chain(mat2)
>>> points
array([[1, 2],
       [2, 1],
       [3, 1],
       [4, 2],
       [3, 3],
       [2, 3]])
>>> isclosed
True

以及起点（离原点最近的点）将曲线一分为二的曲线

>>> mat3=np.array([[0, 0, 0, 0, 0],
...                [0, 1, 1, 1, 0],
...                [0, 1, 0, 0, 0],
...                [0, 1, 0, 0, 0],
...                [0, 0, 0, 0, 0],
...                [0, 0, 0, 0, 0]])
>>> points,isclosed=find_chain(mat3)
>>> points
array([[1, 3],
       [1, 2],
       [1, 1],
       [2, 1],
       [3, 1]])
>>> isclosed
False

---

我已经写了另一个版本：亲爱的，我已经写了一个处理闭合曲线的扩展：[link]谢谢。你的代码确实比我的更紧凑。仅仅依靠numpy也是一个优势。为了处理通过形态学细化获得的曲线，需要进行一些预处理，因为一个像素可以有三个邻居。

>>> mat3=np.array([[0, 0, 0, 0, 0],
...                [0, 1, 1, 1, 0],
...                [0, 1, 0, 0, 0],
...                [0, 1, 0, 0, 0],
...                [0, 0, 0, 0, 0],
...                [0, 0, 0, 0, 0]])
>>> points,isclosed=find_chain(mat3)
>>> points
array([[1, 3],
       [1, 2],
       [1, 1],
       [2, 1],
       [3, 1]])
>>> isclosed
False