如何在 3d numpy 数组中计算凸包 image/volume

Question

我想知道是否有任何基于 numpy 的工具可以：

给定一个二进制输入的 3D numpy 图像，找到它的凸包；
和 return 此 3D 凸包内的体素（3D 像素）的索引或类似列表。

一种可能是使用skimage.morphology.convex_hull_image()，但是~~这只支持2D图像，所以我必须逐个切片（在z轴上）调用这个函数，这很慢.~~ [编辑：见下面的注释。]

我绝对更喜欢更高效的方式。例如，scipy.spatial.ConvexHull() 可以采用 N 维点列表 space，并且 return 一个似乎不支持找到其凸包 image/volume 的凸包对象。

points = np.transpose(np.where(image))
hull = scipy.spatial.ConvexHull(points)
# but now wonder an efficient way of finding the list of 3D voxels that are inside this convex hull

有什么想法吗？请注意效率对我的申请很重要。谢谢！

更新：同时，convex_hull_image()已经extended to support ND images, but it is quite slow for moderately sized data. The 快多了。

Answer 1

你应该可以做到这一点：

def flood_fill_hull(image):    
    points = np.transpose(np.where(image))
    hull = scipy.spatial.ConvexHull(points)
    deln = scipy.spatial.Delaunay(points[hull.vertices]) 
    idx = np.stack(np.indices(image.shape), axis = -1)
    out_idx = np.nonzero(deln.find_simplex(idx) + 1)
    out_img = np.zeros(image.shape)
    out_img[out_idx] = 1
    return out_img, hull

它可能不是最快的，但缺少一个现成的功能它应该可以工作。

测试：

points = tuple(np.rint(10 * np.random.randn(3,100)).astype(int) + 50)
image = np.zeros((100,)*3)
image[points] = 1

%timeit flood_fill_hull(image)
10 loops, best of 3: 96.8 ms per loop

out, h = flood_fill_hull(image)

plot.imshow(out[50])

无法上传图片，但似乎可以解决问题。

如何在 3d numpy 数组中计算凸包 image/volume

how to compute convex hull image/volume in 3d numpy arrays

python

scipy

computational-geometry

scikit-image

convex-hull