openCV 3.0 python LineIterator
Я хочу использовать LineIterator в openCV 3.0 с использованием Python. Он все еще доступен с OpenCV 3.0, созданной для Python? Кажется, что ответы в Интернете все указывают на cv.InitLineIterator, который является частью модуля cv. Я попытался импортировать этот модуль, но кажется, что он не включен в текущую сборку. Это было переименовано или просто удалено?
6 ответов
Я решил свою проблему. Строковый итератор, по-видимому, недоступен в библиотеке cv2. Поэтому я сделал свой собственный итератор строки. Петли не используются, поэтому они должны быть довольно быстрыми. Вот код, если кому-то это нужно:
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
Изменить: функциональная строка из scikit-image может иметь тот же эффект, и это быстрее, чем все, что мы могли бы кодировать.
from skimage.draw import line
# being start and end two points (x1,y1), (x2,y2)
discrete_line = list(zip(*line(*start, *end)))
Также результат timeit намного быстрее. Итак, используйте это.
Старый "устаревший" ответ:
Как сказано в предыдущем ответе, он не реализован, поэтому вы должны сделать это самостоятельно. Я не делал это с нуля, я просто переписал некоторые части функции более изящным и современным способом, который должен обрабатывать все случаи правильно, в отличие от ответа, получившего наибольшее количество голосов, который не работал у меня правильно. Я взял отсюда пример и немного подчистил и немного стилизовал. Не стесняйтесь комментировать это. Также я добавил тест clipline, как в исходном коде, который можно найти в файле drawing.cpp в исходном коде OpenCv 4.x Спасибо всем за ссылки и тяжелую работу.
def bresenham_march(img, p1, p2):
x1 = p1[0]
y1 = p1[1]
x2 = p2[0]
y2 = p2[1]
#tests if any coordinate is outside the image
if (
x1 >= img.shape[0]
or x2 >= img.shape[0]
or y1 >= img.shape[1]
or y2 >= img.shape[1]
): #tests if line is in image, necessary because some part of the line must be inside, it respects the case that the two points are outside
if not cv2.clipLine((0, 0, *img.shape), p1, p2):
print("not in region")
return
steep = math.fabs(y2 - y1) > math.fabs(x2 - x1)
if steep:
x1, y1 = y1, x1
x2, y2 = y2, x2
# takes left to right
also_steep = x1 > x2
if also_steep:
x1, x2 = x2, x1
y1, y2 = y2, y1
dx = x2 - x1
dy = math.fabs(y2 - y1)
error = 0.0
delta_error = 0.0
# Default if dx is zero
if dx != 0:
delta_error = math.fabs(dy / dx)
y_step = 1 if y1 < y2 else -1
y = y1
ret = []
for x in range(x1, x2):
p = (y, x) if steep else (x, y)
if p[0] < img.shape[0] and p[1] < img.shape[1]:
ret.append((p, img[p]))
error += delta_error
if error >= 0.5:
y += y_step
error -= 1
if also_steep: # because we took the left to right instead
ret.reverse()
return ret
Я сравнил 4 метода, представленные на этой странице:
Использование python 2.7.6 и scikit-image 0.9.3 с небольшими изменениями кода.
Отрезок от (1, 76) до (867, 190)
Метод 1: Sci-kit Image Line
Время вычисления: 0,568 мс
Количество найденных пикселей: 867
Правильный начальный пиксель: да
Правильный конечный пиксель: да
Метод 2: Код из кода @trenixjetix
Кажется, есть ошибка, при которой ширина и высота изображения переворачиваются.
Время вычисления: 0,476 мс
Количество найденных пикселей: 866
Правильный начальный пиксель: да
Правильный конечный пиксель: нет, выкл. На 1
Метод 3: код с ROS.org
https://answers.ros.org/question/10160/opencv-python-lineiterator-returning-position-information/ Время вычисления: 0,433 мс (должно быть таким же, как в методе 2)
Количество пикселей найдено: 866
Правильный начальный пиксель: да
Правильный конечный пиксель: нет, выкл. на 1
Метод 4: Код из @mohikhsan
Время вычисления: 0,156 мс
Количество найденных пикселей: 866
Правильный начальный пиксель: нет, выкл. На 1
Правильный конечный пиксель: да
Резюме:
Самый точный метод: Sci-kit Image Line
Самый быстрый метод: Код из @mohikhsan
Было бы неплохо иметь реализацию на Python, соответствующую реализации OpenCV C++?
https://github.com/opencv/opencv/blob/master/modules/imgproc/src/drawing.cpp
или использует генератор python:
https://wiki.python.org/moin/Generators
Не изящный способ сделать это, но эффективный и очень простой однострочник:
points_on_line = np.linspace(pt_a, pt_b, 100) # 100 samples on the line
Если вы хотите получить примерно каждый пиксель по пути
points_on_line = np.linspace(pt_a, pt_b, np.linalg.norm(pt_a - pt_b))
(например, количество отсчетов как количество пикселей между точкой A и точкой B)
Например:
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)
Это не совсем ответ, но я не могу добавить комментарий, поэтому пишу его здесь. Решение от trenixjetix действительно великолепно, чтобы охватить 2 наиболее эффективных способа сделать это. Я просто хочу дать небольшое пояснение для упомянутого им метода scikit-image.
# being start and end two points (x1,y1), (x2,y2)
discrete_line = list(zip(*line(*start, *end)))
В метрике scikit-image отслеживается начальная и конечная точка строки (row, col), а opencv использует координату (x,y), которая перевернута в терминах параметров функции. Обратите на это внимание.
Сложите ответ Дэвида, я получил время выполнения scikit быстрее, чем функция trenixjetix, используя python 3.8. Результат может быть разным, но почти каждый раз scikit работает быстрее.
время trenixjetix (мс) 0,22279999999996747
время scikit-image (мс) 0,13810000000002987
У меня возникли проблемы с запуском примера skimage из trenixjetix, поэтому я создал небольшую функцию-оболочку, которая принимает точки из срезов массива numpy, кортежей или списков:
from skimage.draw import line as skidline
def get_linepnts(p0, p1):
p0, p1 = np.array(p0).flatten(), np.array(p1).flatten()
return np.array(list(zip(*skidline(p0[0],p0[1], p1[0],p1[1]))))
Полученный массив можно использовать для извлечения значений из массивов numpy следующим образом:
l0 = get_linepnts(p0, p1)
#if p0/p1 are in (x,y) format, then this needs to be swapped for retrieval:
vals = yournpmat[l0[:,1], l0[:,0]]