从 Python 中的二进制图像获取像素边界坐标（不是边缘）

Question

我有一个包含单个连续斑点的二进制图像，没有孔。 我想根据边缘像素的外边缘创建一个多边形 object。 我知道如何自己获取边缘像素，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 integer 坐标。

例如，假设我在 (2,2) 处有一个像素。 多边形的顶点为： (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、非近似的方法来做到这一点？ 最好在 Python 中？

Answer 1

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]])

Answer 2

根据评论，这是我实施的方法：

1. 将所有像素坐标乘以 10，这样我们就只处理整数。

2. 对于每个像素，通过添加 +/- 5 生成 4 个角。例如，对于 (20,20)，角为 (25, 25) (25, 15) (15, 15) (15, 25) (25 , 25)。 并将所有角存储在一个列表中。

3. 计算每个角的出现次数。 如果计数是奇数，则它是 blob 的角。 使坐标整数使这一步变得容易。 计算浮点数有问题。

4. 将 blob 角坐标除以 10，得到原始分辨率。

5. 使用标准算法顺时针对角进行排序。