Python 如何一次绘制数千个圆openCv更快-（可能使用GPU）

我需要在图像（视频帧）的给定区域上绘制数千个点

使用循环是最简单的方法

    while i < num:
        x = random.randint(min_x, max_x)
        y = random.randint(min_y, max_y)
        //this if is to check the the random points are within the original shape
        if cv2.pointPolygonTest(contour, (int(x), int(y)), False)==1:
            cv2.circle(img, (int(x), int(y)), 2, color, -1)
            i = i+1;

而i

这个过程需要很长时间才能完成

---

如何才能更有效地实现这一点？

也许可以使用以下几个技巧来加快速度：

尝试摆脱循环并将操作矢量化。 您可以通过将

size

传递到

random.randint

来对（x，y）点生成进行矢量化。如果过滤后它们的值不等于

num

，则可以生成另一个集合

您可以尝试使用

matplotlib.path.path.contains_points

，而不是

pointpolyContest

，它在点向量上而不是单个点上运行

对于圆，过滤完所有圆心后，创建一个全零图像来绘制圆，然后在此图像中标记圆心（同样，矢量化）。如果您想要彩色圆圈，您必须为每个通道将像素值设置为适当的灰度。然后使用具有所需半径的圆形结构元素进行扩张。对于小半径，这些圆应该很好。或者，你也可以尝试高斯模糊，因为如果你用脉冲卷积一个高斯，它会给你一个高斯，一个对称的高斯将类似于图像中的一个圆。如果圆的大小相同，也可以使用filter2D执行此操作。如果膨胀结果不好，您可以创建自己的内核，类似于您想要的圆，然后将其与图像中心卷积

使用

圆圈

图像作为遮罩，将此

圆圈

图像中的所有非零像素复制到您的

img

创建圆的一个简单示例：

import numpy as np
import cv2 as cv

# create random centers for circles
img = np.random.randint(low=0, high=1000, size=(256, 256))
img = np.uint8(img < 1) * 255
# use Gaussian bluer to create cricles
img1 = cv.GaussianBlur(img, (9, 9), 3)*20
# use morphological dilation bluer to create cricles
se = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))
img2 = cv.dilate(img, se)

将numpy导入为np
将cv2作为cv导入
#为圆创建随机中心
img=np.random.randint（低=0，高=1000，大小=（256，256））
img=np.uint8（img<1）*255
#使用高斯蓝创建色圈
img1=cv.GaussianBlur（img，（9,9,3）*20
#使用形态扩张蓝笔创建圆环
se=cv.getStructuringElement（cv.MORPH_ELLIPSE，（5,5））
img2=cv.扩张（img，se）

中心：

使用膨胀的圆：

使用高斯模糊的圆：

---

welcome.枚举轮廓内的所有点（您可以使用

fillPoly

在黑色图像上绘制填充轮廓，然后检索所有非零像素）。然后随机选择N个点作为你的中心（你不需要再次检查它是否在多边形内）。谢谢你的回答，我很难理解第三个点，你用圆形结构来扩张是什么意思element@Eshaka标记中心后，创建具有所需半径的圆形结构元素，然后使用

morphologyEx

进行放大，或者只使用

放大

@Eshaka添加了一个创建圆圈的示例，因为我在解释中可能不清楚。