Python 使用低分辨率输入矩阵测量奇数角度的矩形（线性回归分类？）

我试图解决以下问题：

比如说

0000000000000000
0011111111110000
0011111111110000
0011111111110000
0000000000000000
0000000111111110
0000000111111110
0000000000000000

我需要找到字段中所有矩形的宽度和高度。输入实际上是一次一列（就像扫描仪从左向右移动一样），并且在程序期间是连续的（也就是说，扫描列不移动，但矩形在其上移动）

在这个例子中，我可以“等待一个矩形开始”（也就是说，观察零变为1），然后观察它结束（1变回零），并以“网格单位”测量工件。对于上面概述的简单情况，这将很好地工作，但如果矩形倾斜一个角度，则将失败，例如：

0000000000000000
0000011000000000
0000111100000000
0001111111000000
0000111111100000
0000011111110000
0000000111100000
0000000011000000

我原以为下列问题适用：

但现在我不太确定

我几乎没有回归或回归测试的经验，但我认为我可以将其表示为8个变量的输入

老实说，我根本不知道该怎么做。这部分代码提取的大小需要与已知大小的矩形相匹配（即，从数据库中）

我最初以为我可以将已知数据作为训练练习输入，并存储阳性测试结果，但我真的不确定从这里开始该怎么做

---

感谢您的建议。

在扫描时收集过渡点（从1到0，反之亦然），然后直接从那里或从每个对象的凸面外壳计算长度和宽度

---

如果矩形可以重叠，那么您将遇到更大的问题。

在扫描时收集过渡点（从1到0，反之亦然），然后直接从那里或从每个对象的凸面外壳计算长度和宽度

---

如果矩形可以重叠，那么你会遇到更大的问题。

我向一位朋友提出了这个问题，他建议：

第一次看到1时，请将其存储为新形状。将其向右填充，并将这些点添加到同一形状

现在不在形状中的任何输入像素都是新形状。做同样的洪水填充

在下一个输入列上，从原始形状点再次泛洪。将新像素添加到相应的形状

如果任何整体填充没有为两个连续列添加任何新像素，则表示已完成形状。继续，试着确定它的尺寸

这样我们就可以得到我们隔离的形状的尺寸（如示例2所示）

为此，我们想到：

如果形状中最左边的像素数低于每列的平均像素数，则peice可能会旋转。因此，通过获取最外面的像素来查找角点。使用它们之间的距离公式。最大=斜边，其他=宽度或高度

否则，这一点可能是完全对齐的，所以角点可能只是最左上角的像素，最右下角的像素，等等

---

你们都怎么想？

我向一位朋友提出了这个问题，他建议：

第一次看到1时，请将其存储为新形状。将其向右填充，并将这些点添加到同一形状

现在不在形状中的任何输入像素都是新形状。做同样的洪水填充

在下一个输入列上，从原始形状点再次泛洪。将新像素添加到相应的形状

如果任何整体填充没有为两个连续列添加任何新像素，则表示已完成形状。继续，试着确定它的尺寸

这样我们就可以得到我们隔离的形状的尺寸（如示例2所示）

为此，我们想到：

如果形状中最左边的像素数低于每列的平均像素数，则peice可能会旋转。因此，通过获取最外面的像素来查找角点。使用它们之间的距离公式。最大=斜边，其他=宽度或高度

否则，这一点可能是完全对齐的，所以角点可能只是最左上角的像素，最右下角的像素，等等

---

你们都觉得怎么样？

我将采取以下步骤：

将所有列合并到一个矩阵中（这是进行适当筛选所必需的）

现在应用一个过滤器（需要谷歌搜索一下）来锐化棱角

创建一些结构来保存下一步的数据（可以有许多不同的解决方案，选择您喜欢的和/或最佳的）

垂直扫描（逐列扫描）以及在列中找到的后续“一”的每个段（段表示您已找到其起点-终点

y

坐标），请执行以下操作：

检查此段是否与上一列中的某段重叠

如果没有，请考虑这是一个新的记录。创建一个rect对象并将其句柄指定给线段。对于新的rect，

更新其度量值

（此操作仅获取段的坐标-

x

，

ymin

，

ymax

，稍后将讨论）

如果是，则假设这是同一个rect，获取该rect的句柄，将该句柄分配给当前段，然后通过其句柄获取该rect并更新其度量值

真漂亮。在此之后，您将有一个矩形对象池，每个对象都有四个角点坐标。做一些基本的数学运算来估计rect的宽度和高度。
那么魔法在哪里呢？嗯，这一切都发生在

更新rect metrics

例程中

对于每个rect，我们有13个指标：

• 最小X=>ymin1，ymax1
• 最大X=>ymin2，ymax2
• 最小Y=>xmin1，xmax1
• 最大Y=>xmin2，xmax2
• 平均垂直段长度

首先，我们必须确定这个矩形是否在我们的扫描网格内正确对齐。为此，我们比较va