Python 确定中心点和路径的快速方法

我有下面的灰色图像。我可以使用

np.transpose（np.nonzero（tmpData））

找到点的位置。我最初的想法是计算所有点的欧几里德距离，以检查重复出现的点。根据这个想法，找出哪个路径与这个中心点相关

然而，这种方法相当缓慢。我需要2个循环来计算欧几里德距离。1个用于查找中心点的循环。和1个用于确认其方向的回路

有没有更快的方法找到中心点和路径

点位置：

[ 74 374]
[ 20 440]
[149 325]
[269  52]
[242 149]
[252 254]
[209 329]
[349 256]
[449 252]
[549 245]
[649 241]
[732 258]
[780 316]

---

我能想到的一件事是使用。我曾经用它从点云重建三维实体。由于您的示例是二维的，它将重复拾取2个随机点，并检查有多少点在可以从这2个点构造的线的某个阈值内。该算法理想情况下会找到3条线，近似于您所说的“路径”。这些线的交点将很好地指示您应该在哪里寻找中心点

编辑：要获得三条线，可以从数据集中删除点。因此，首先它会找到最佳拟合，然后删除该拟合阈值内的点。在这之后，它会寻找下一个最合适的，等等。您可以使用while循环来实现这一点，条件是剩余的点数。要通过您的示例更清楚地说明这一点，请执行以下操作：

这是您找到的第一行：

现在，从拟合直线的集中删除点，然后继续，这是第二条直线：

从第二行中删除点，然后将最后一行拟合到左侧的点：

没有留下合适的点，因此这意味着您的交叉口应该位于这3个交叉点附近：

你可以考虑把你的数据放在一个树形结构中，以寻找这3个交点的共同最接近的邻居。 使用RANSAC，您可能会得到比您想要的更少或更多的线路，或者线路不正确。这一切都取决于参数（您可以通过反复试验来优化这些参数）和数据

---

注意：上面的例子只是我用matplotlib做的一个演示，我没有使用RANSAC算法，但结果会有些相同。

您是否将中心点定义为“在某个距离内有最多点的点”或“在每个点的某个距离内查看时最常出现的点”？很难说你的意思是什么（有可能两者是等效的，但我还不确定）我的定义是点连接2个或更多不同的路径。在上图中，您可以看到存在3条不同的路径。它们都与中心点（红色圆圈内）相关。我同意我可以看到不同的路径，但不清楚计算机是如何知道的。例如，可以从任意点到中心绘制一条线；您的程序如何知道，比如说，底部路径上的任何点都应该沿着路径走？我不确定它是否适用于您的任何用例，但是如果您可以缩小通常看起来如此好的图片范围，那么欧几里德最小生成树应该给出您正在寻找的确切树，并且最大节点（大多数边）将是中心。IIRC MST是线性的，

O（n）

。您能提供更多的示例图像吗？请同时显示您的代码。Ransac的可靠使用！你能提供更多的信息吗？我知道RANSAC可以找到一条适合所有点的最佳线路。但如何获得3条不同的线路？运行算法三次？