[英]Find minimal number of rectangles in the image
我有矩形随机放置的二进制图像,我想获得这些矩形的位置和大小。 如果可能,我想要精确重新创建图像所需的最少矩形数量。
左边是我的原始图像,右边是我在应用scipys.find_objects()
后得到的图像(就像这个问题的建议)。
import scipy
# image = scipy.ndimage.zoom(image, 9, order=0)
labels, n = scipy.ndimage.measurements.label(image, np.ones((3, 3)))
bboxes = scipy.ndimage.measurements.find_objects(labels)
img_new = np.zeros_like(image)
for bb in bboxes:
img_new[bb[0], bb[1]] = 1
如果矩形相距很远,这可以正常工作,但是如果它们重叠并构建更复杂的结构,则该算法只会给我最大的边界框(对图像进行上采样没有区别)。 我有一种感觉,应该已经存在一种scipy
或opencv
方法可以做到这一点。 我很高兴知道是否有人对如何解决这个问题有想法,或者甚至更了解现有的解决方案。
结果我想要图像中的矩形列表(即左下角:右上角)。 条件是当我重绘那些填充的矩形时,我希望获得与以前完全相同的图像。 如果可能,矩形的数量应该最少。
这是生成示例图像的代码(以及更复杂的示例original vs scipy )
import numpy as np
def random_rectangle_image(grid_size, n_obstacles, rectangle_limits):
n_dim = 2
rect_pos = np.random.randint(low=0, high=grid_size-rectangle_limits[0]+1,
size=(n_obstacles, n_dim))
rect_size = np.random.randint(low=rectangle_limits[0],
high=rectangle_limits[1]+1,
size=(n_obstacles, n_dim))
# Crop rectangle size if it goes over the boundaries of the world
diff = rect_pos + rect_size
ex = np.where(diff > grid_size, True, False)
rect_size[ex] -= (diff - grid_size)[ex].astype(int)
img = np.zeros((grid_size,)*n_dim, dtype=bool)
for i in range(n_obstacles):
p_i = np.array(rect_pos[i])
ps_i = p_i + np.array(rect_size[i])
img[tuple(map(slice, p_i, ps_i))] = True
return img
img = random_rectangle_image(grid_size=64, n_obstacles=30,
rectangle_limits=[4, 10])
这里有一些东西可以让你开始:一个简单的算法,它遍历你的图像并创建尽可能大的矩形。 就像现在一样,它只标记矩形,但不报告坐标或计数。 这是为了单独可视化算法。
除了 PIL,它不需要任何外部库,在保存为 PNG 时加载和访问左侧图像。 我假设可以忽略周围 15 个像素的边框。
from PIL import Image
def fill_rect (pixels,xp,yp,w,h):
for y in range(h):
for x in range(w):
pixels[xp+x,yp+y] = (255,0,0,255)
for y in range(h):
pixels[xp,yp+y] = (255,192,0,255)
pixels[xp+w-1,yp+y] = (255,192,0,255)
for x in range(w):
pixels[xp+x,yp] = (255,192,0,255)
pixels[xp+x,yp+h-1] = (255,192,0,255)
def find_rect (pixels,x,y,maxx,maxy):
# assume we're at the top left
# get max horizontal span
width = 0
height = 1
while x+width < maxx and pixels[x+width,y] == (0,0,0,255):
width += 1
# now walk down, adjusting max width
while y+height < maxy:
for w in range(x,x+width,1):
if pixels[x,y+height] != (0,0,0,255):
break
if pixels[x,y+height] != (0,0,0,255):
break
height += 1
# fill rectangle
fill_rect (pixels,x,y,width,height)
image = Image.open('A.png')
pixels = image.load()
width, height = image.size
print (width,height)
for y in range(16,height-15,1):
for x in range(16,width-15,1):
if pixels[x,y] == (0,0,0,255):
find_rect (pixels,x,y,width,height)
image.show()
从输出
您可以观察到检测算法可以改进,例如,“明显”的左上角两个矩形被分成 3 个。类似地,中心的较大结构也包含一个超出绝对需要的矩形。
可能的改进是调整find_rect
例程以找到最合适的¹,或者存储坐标并使用数学(超出我的知识)来查找可以连接的矩形。
¹ 对此的进一步想法。 当前,所有找到的矩形都会立即填充为“找到”的颜色。 您可以尝试明显地检测多个矩形,然后在标记第一个矩形之后,其他要检查的矩形可能是黑色或红色。 顺便说一句,我想说您需要尝试不同的扫描顺序(从上到下或反向、从左到右或反向)才能实际找到任意组合中最少需要的矩形数量。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.