从Python中的二进制图像获取像素边界坐标（不是边）

我有一个二进制图像，其中包含一个连续的斑点，没有孔。我想基于边缘像素的外部边缘创建一个多边形对象。我知道如何获得边缘像素本身，但我想要像素边界的实际坐标，顺时针或逆时针排序。所有像素都有整数坐标

例如，假设我在（2,2）处有一个像素。多边形的顶点将是： (2.5, 2.5) (2.5, 1.5) (1.5, 1.5) (1.5, 2.5) （2.5,2.5）

有没有一种精确的、非近似的方法可以做到这一点？最好使用Python？

参见示例：

from PIL import Image, ImageFilter, ImageChops
import math

a = [['.','.','.','.','.','.','.'],
      ['.','.','.','.','.','.','.'],
      ['.','.','.','.','.','.','.'],
      ['.','#','#','#','.','.','.'],
      ['.','#','#','#','.','.','.'],
      ['.','.','.','.','.','.','.']]      

sz=(len(a[0]), len(a))
flat_list = [j=='.' for i in a for j in i]
image=Image.new('1', sz)
image.putdata(flat_list)
contour=ImageChops.difference(image, image.filter(ImageFilter.MinFilter(3)))
contour_list=list(contour.getdata())
points=[divmod(i,sz[0]) for i in range(len(contour_list)) if contour_list[i]]
points_x,points_y=zip(*points)
avg=lambda x: sum(x)/len(x)
mean_x=avg(points_x)
mean_y=avg(points_y)
phase=[(math.atan2(points_y[i]-mean_y, points_x[i]-mean_x),i) \
       for i in range(len(points))] 
phase.sort()
for i in range(len(points)):
    print(*points[phase[i][1]])

见示例：

from PIL import Image, ImageFilter, ImageChops
import math

a = [['.','.','.','.','.','.','.'],
      ['.','.','.','.','.','.','.'],
      ['.','.','.','.','.','.','.'],
      ['.','#','#','#','.','.','.'],
      ['.','#','#','#','.','.','.'],
      ['.','.','.','.','.','.','.']]      

sz=(len(a[0]), len(a))
flat_list = [j=='.' for i in a for j in i]
image=Image.new('1', sz)
image.putdata(flat_list)
contour=ImageChops.difference(image, image.filter(ImageFilter.MinFilter(3)))
contour_list=list(contour.getdata())
points=[divmod(i,sz[0]) for i in range(len(contour_list)) if contour_list[i]]
points_x,points_y=zip(*points)
avg=lambda x: sum(x)/len(x)
mean_x=avg(points_x)
mean_y=avg(points_y)
phase=[(math.atan2(points_y[i]-mean_y, points_x[i]-mean_x),i) \
       for i in range(len(points))] 
phase.sort()
for i in range(len(points)):
    print(*points[phase[i][1]])

---

根据评论，以下是我实施的方法：

将所有像素坐标乘以10，这样我们只处理整数

对于每个像素，通过添加+/-5生成4个角点。例如，对于（20,20），角是（25,25）（25,15）（15,15）（15,25）（25,25）。并将所有角存储在列表中

计算每个角点的出现次数。如果计数是奇数，那么它就是一个点。使坐标为整数使这一步变得容易。计算浮动有问题

将水滴角点坐标除以10，得到原始分辨率

使用标准算法顺时针排序角点

---

根据评论，以下是我实施的方法：

将所有像素坐标乘以10，这样我们只处理整数

对于每个像素，通过添加+/-5生成4个角点。例如，对于（20,20），角是（25,25）（25,15）（15,15）（15,25）（25,25）。并将所有角存储在列表中

计算每个角点的出现次数。如果计数是奇数，那么它就是一个点。使坐标为整数使这一步变得容易。计算浮动有问题

将水滴角点坐标除以10，得到原始分辨率

使用标准算法顺时针排序角点

---

每个坐标加/减0.5，“装箱”2x2坐标。你在说什么？你是说，把所有像素上所有角点的出现次数加起来，保留那些奇数的角点？那很优雅。那么如何对剩余顶点排序？我不知道这些组合是什么意思。不，我在你的描述中漏掉了一个短语。按时钟顺序排序的点在许多地方在线解决；在你的研究中寻找“形状”算法。这些还将为您提供查找边界框（平凡）、凸面容器的点或边的例程和步骤。我没有答案，但假设您已经知道如何按顺序获取周长像素（我使用opencv的findContours），接近边界的一种方法是以更高的分辨率对blob图像重新采样。不幸的是，这可能是昂贵的，它不会让你的原始像素的边缘，所以这不是一个好主意。但这是我能马上想到的唯一一个。另一个帮助确定最终多边形中应包含的像素角点集的技巧：连接像素中心（同样，假设您知道如何获取周长），然后删除像素中心多边形内的所有像素角点坐标。每个坐标加/减0.5，“装箱”2x2联合国。你在说什么？你是说，把所有像素上所有角点的出现次数加起来，保留那些奇数的角点？那很优雅。那么如何对剩余顶点排序？我不知道这些组合是什么意思。不，我在你的描述中漏掉了一个短语。按时钟顺序排序的点在许多地方在线解决；在你的研究中寻找“形状”算法。这些还将为您提供查找边界框（平凡）、凸面容器的点或边的例程和步骤。我没有答案，但假设您已经知道如何按顺序获取周长像素（我使用opencv的findContours），接近边界的一种方法是以更高的分辨率对blob图像重新采样。不幸的是，这可能是昂贵的，它不会让你的原始像素的边缘，所以这不是一个好主意。但这是我能马上想到的唯一一个。另一个帮助确定最终多边形中应包含的像素角点集的技巧：连接像素中心（同样，假设您知道如何获取周长），然后删除像素中心多边形内的所有像素角点坐标。谢谢您的示例，但是这段代码会找到与“#”相邻的像素。我需要将“#”与边界分开的轮廓坐标，其中的值应为0.5。感谢您提供的示例，但此代码查找“#”边界的像素。我需要将“#”与边界分开的轮廓坐标，其中的值应为0.5。