Python OpenCV 3.0行迭代器

我想使用Python在OpenCV 3.0中使用，它在为Python构建的OpenCV 3.0中仍然可用吗？互联网上的答案似乎都指向

cv.InitLineIterator

，它是

cv

模块的一部分。我已尝试导入此模块，但它似乎不包含在当前构建中。它是被重命名还是被严格删除了？

我已经解决了自己的问题。行迭代器似乎在cv2库中不可用。因此，我制作了自己的行迭代器。没有使用循环，所以应该非常快。如果有人需要，下面是代码：

def createLineIterator(P1, P2, img):
    """
    Produces and array that consists of the coordinates and intensities of each pixel in a line between two points

    Parameters:
        -P1: a numpy array that consists of the coordinate of the first point (x,y)
        -P2: a numpy array that consists of the coordinate of the second point (x,y)
        -img: the image being processed

    Returns:
        -it: a numpy array that consists of the coordinates and intensities of each pixel in the radii (shape: [numPixels, 3], row = [x,y,intensity])     
    """
   #define local variables for readability
   imageH = img.shape[0]
   imageW = img.shape[1]
   P1X = P1[0]
   P1Y = P1[1]
   P2X = P2[0]
   P2Y = P2[1]

   #difference and absolute difference between points
   #used to calculate slope and relative location between points
   dX = P2X - P1X
   dY = P2Y - P1Y
   dXa = np.abs(dX)
   dYa = np.abs(dY)

   #predefine numpy array for output based on distance between points
   itbuffer = np.empty(shape=(np.maximum(dYa,dXa),3),dtype=np.float32)
   itbuffer.fill(np.nan)

   #Obtain coordinates along the line using a form of Bresenham's algorithm
   negY = P1Y > P2Y
   negX = P1X > P2X
   if P1X == P2X: #vertical line segment
       itbuffer[:,0] = P1X
       if negY:
           itbuffer[:,1] = np.arange(P1Y - 1,P1Y - dYa - 1,-1)
       else:
           itbuffer[:,1] = np.arange(P1Y+1,P1Y+dYa+1)              
   elif P1Y == P2Y: #horizontal line segment
       itbuffer[:,1] = P1Y
       if negX:
           itbuffer[:,0] = np.arange(P1X-1,P1X-dXa-1,-1)
       else:
           itbuffer[:,0] = np.arange(P1X+1,P1X+dXa+1)
   else: #diagonal line segment
       steepSlope = dYa > dXa
       if steepSlope:
           slope = dX.astype(np.float32)/dY.astype(np.float32)
           if negY:
               itbuffer[:,1] = np.arange(P1Y-1,P1Y-dYa-1,-1)
           else:
               itbuffer[:,1] = np.arange(P1Y+1,P1Y+dYa+1)
           itbuffer[:,0] = (slope*(itbuffer[:,1]-P1Y)).astype(np.int) + P1X
       else:
           slope = dY.astype(np.float32)/dX.astype(np.float32)
           if negX:
               itbuffer[:,0] = np.arange(P1X-1,P1X-dXa-1,-1)
           else:
               itbuffer[:,0] = np.arange(P1X+1,P1X+dXa+1)
           itbuffer[:,1] = (slope*(itbuffer[:,0]-P1X)).astype(np.int) + P1Y

   #Remove points outside of image
   colX = itbuffer[:,0]
   colY = itbuffer[:,1]
   itbuffer = itbuffer[(colX >= 0) & (colY >=0) & (colX<imageW) & (colY<imageH)]

   #Get intensities from img ndarray
   itbuffer[:,2] = img[itbuffer[:,1].astype(np.uint),itbuffer[:,0].astype(np.uint)]

   return itbuffer

def createLineIterator（P1、P2、img）： """ 生成一个数组，该数组由两点之间的直线上每个像素的坐标和强度组成 参数： -P1：由第一个点（x，y）的坐标组成的numpy阵列 -P2：由第二个点（x，y）的坐标组成的numpy数组 -img：正在处理的图像 返回： -它：一个numpy数组，由半径中每个像素的坐标和强度组成（形状：[numPixels，3]，行=[x，y，强度]） """ #为可读性定义局部变量 imageH=图像形状[0] imageW=图像形状[1] P1X=P1[0] P1Y=P1[1] P2X=P2[0] P2Y=P2[1] #点间差和绝对差 #用于计算点之间的坡度和相对位置 dX=P2X-P1X dY=P2Y-P1Y dXa=np.abs（dX） dYa=np.abs（dY） #根据点之间的距离预定义用于输出的numpy数组 itbuffer=np.empty（shape=（np.maximum（dYa，dXa），3），dtype=np.float32） itbuffer.fill（np.nan） #使用Bresenham算法获得沿直线的坐标 negY=P1Y>P2Y negX=P1X>P2X 如果P1X==P2X:#垂直线段 itbuffer[：，0]=P1X 如果是negY： itbuffer[：，1]=np.arange（P1Y-1，P1Y-dYa-1，-1） 其他： itbuffer[：，1]=np.arange（P1Y+1，P1Y+dYa+1） elif P1Y==P2Y:#水平线段 itbuffer[：，1]=P1Y 如果为负： itbuffer[：，0]=np.arange（P1X-1，P1X-dXa-1，-1） 其他： itbuffer[：，0]=np.arange（P1X+1，P1X+dXa+1） 其他：#对角线线段 陡坡=dYa>dXa 如果坡度较陡： 斜率=dX.astype（np.float32）/dY.astype（np.float32） 如果是negY： itbuffer[：，1]=np.arange（P1Y-1，P1Y-dYa-1，-1） 其他： itbuffer[：，1]=np.arange（P1Y+1，P1Y+dYa+1） itbuffer[：，0]=（斜率*（itbuffer[：，1]-P1Y））.astype（np.int）+P1X 其他： 斜率=dY.astype（np.float32）/dX.astype（np.float32） 如果为负： itbuffer[：，0]=np.arange（P1X-1，P1X-dXa-1，-1） 其他： itbuffer[：，0]=np.arange（P1X+1，P1X+dXa+1） itbuffer[：，1]=（斜率*（itbuffer[：，0]-P1X））.astype（np.int）+P1Y #移除图像外部的点 colX=itbuffer[：，0] colY=itbuffer[：，1] itbuffer=itbuffer[（colX>=0）和（colY>=0）和（colX编辑： scikit图像中的函数行可以产生相同的效果，并且比我们可以编写的任何代码都要快

from skimage.draw import line
# being start and end two points (x1,y1), (x2,y2)
discrete_line = list(zip(*line(*start, *end)))

而且timeit的结果也相当快。所以，使用这个

旧的“不推荐”答案：

正如前面的回答所说，它没有实现，所以您必须自己完成。 我不是白手起家的，我只是用一种更奇特、更现代的方式重写了函数的一些部分，它应该正确地处理所有情况，而不是像大多数投票的答案那样对我来说都不正确。我从中吸取了一些例子，做了一些清理和样式设计。 请随意评论。另外，我在源代码中添加了clipline测试，可以在OpenCv 4.x的源代码中找到 谢谢大家的推荐和辛勤工作

def bresenham_三月（img、p1、p2）：
x1=p1[0]
y1=p1[1]
x2=p2[0]
y2=p2[1]
#测试是否有坐标位于图像之外
如果（
x1>=图像形状[0]
或x2>=图像形状[0]
或y1>=图像形状[1]
或y2>=图像形状[1]
)：#测试线条是否在图像中，这是必要的，因为线条的某些部分必须在内部，它考虑两点在外部的情况
如果不是cv2.clipLine（（0，0，*img.shape），p1，p2）：
打印（“不在区域内”）
返回
陡峭=数学晶圆（y2-y1）>数学晶圆（x2-x1）
如果陡峭：
x1，y1=y1，x1
x2，y2=y2，x2
#从左到右
同样，_陡峭=x1>x2
如果还需要：
x1，x2=x2，x1
y1，y2=y2，y1
dx=x2-x1
dy=数学晶圆厂（y2-y1）
误差=0.0
delta_误差=0.0
#如果dx为零，则为默认值
如果dx！=0：
delta_error=math.fabs（dy/dx）
如果y1=0.5：
y+=y_步
错误-=1
如果还陡峭：#因为我们改为从左向右走
反向检索（）
回程网

这不是一种奇特的方法，而是一种有效且非常简单的单行线：

points_on_line = np.linspace(pt_a, pt_b, 100) # 100 samples on the line

如果要大致获得沿途的每个像素

points_on_line = np.linspace(pt_a, pt_b, np.linalg.norm(pt_a - pt_b))

（例如，采样数作为点A和点B之间的像素数）

例如：

pt_a = np.array([10, 11])
pt_b = np.array([45, 67])
im = np.zeros((80, 80, 3), np.uint8)
for p in np.linspace(pt_a, pt_b, np.linalg.norm(pt_a-pt_b)):
    cv2.circle(im, tuple(np.int32(p)), 1, (255,0,0), -1)
plt.imshow(im)

---

我比较了本页提供的4种方法：

使用Python2.7.6和scikit image 0.9.3，并对代码进行一些小改动。
图像输入通过OpenCV进行。
线段（1，76）到（867190）

方法1:Sci试剂盒图像行
计算时间：0.568毫秒
找到的像素数：867
正确的起始像素：ye

# being start and end two points (x1,y1), (x2,y2)
discrete_line = list(zip(*line(*start, *end)))