最低成本路径/最低成本路径

Question

我目前正在使用来自skimage.graph和函数route_through_array的库来获取成本图中从一个点到另一个点的最小成本路径。 问题是我有多个起点和多个终点，这导致数千次迭代。 我目前正在用两个for循环修复此问题。 以下代码只是一个示例：

img=np.random.rand(400,400)
img=img.astype(dtype=int)
indices=[]
costs=[]
start=[[1,1],[2,2],[3,3],[4,5],[6,17]]
end=[[301,201],[300,300],[305,305],[304,328],[336,317]]
for i in range(len(start)):
    for j in range(len(end)):
        index, weight = route_through_array(img, start[i],end[j])
        indices.append(index)
        costs.append(weight)

根据我从文档中了解到的功能，该函数接受许多端点，但是我不知道如何在函数中传递它们。 有任何想法吗？

Answer 1

通过直接与skimage.graph.MCP Cython类进行交互，应该可以更加有效地实现skimage.graph.MCP目的。 便利包装器route_through_array不够通用。 假设我正确理解了您的问题，那么您所寻找的基本上是MCP.find_costs()方法。

您的代码将如下所示（忽略导入）

img = np.random.rand(400,400)
img = img.astype(dtype=int)
starts = [[1,1], [2,2], [3,3], [4,5], [6,17]]
ends = [[301,201], [300,300], [305,305], [304,328], [336,317]]

# Pass full set of start and end points to `MCP.find_costs`
from skimage.graph import MCP
m = MCP(img)
cost_array, tracebacks_array = m.find_costs(starts, ends)

# Transpose `ends` so can be used to index in NumPy
ends_idx = tuple(np.asarray(ends).T.tolist())
costs = cost_array[ends_idx]

# Compute exact minimum cost path to each endpoint
tracebacks = [m.traceback(end) for end in ends]

请注意，原始输出cost_array实际上是一个与img形状相同的完全密集的数组，该数组仅在您要求终点的位置具有有限值。 这种方法唯一可能的问题是，从多个起点开始的最小路径是否会收敛到同一终点。 通过上面的代码，您只会获得这些收敛路径中较低者的完整追溯。

追溯步骤仍然有一个循环。 通过使用tracebacks_array并与`m.offsets进行交互，可以消除这种情况，这也可以消除上述的歧义。 但是，如果您只想要最低成本和最佳路径，则可以省略此循环-只需使用argmin找到最低成本，然后跟踪该单个端点（或几个端点，如果多个端点被捆绑在一起以获得最低成本） ） 背部。