更快地找到像素区域的质心

Question

为了一个游戏，我制作了一张领土地图，由像素组成，每个领土都有不同的颜色。从那里开始，我想在每个地区添加名称。

出于视觉目的，我想将名称放在该区域的质心上。因此，我使用 PIL 将图像转换为单个大矩阵。我建立了一个class来记录每个领土的质心数据，收集在字典中。然后，我遍历像素以处理质心。此方法非常慢，对于 2400 x 1100 地图大约需要一分钟。

territory_map = numpy.array([
    [0, 0, 0, 1, 0, 0, 0],
    [0, 2, 2, 1, 0, 0, 0],
    [2, 2, 1, 1, 3, 3, 3],
    [2, 0, 0, 1, 3, 0, 0],
])

centroid_data = {}

class CentroidRecord(object):
    def __init__(self, x, y):
        super(CentroidRecord, self).__init__()
        self.x = float(x)
        self.y = float(y)
        self.volume = 1

    def add_mass(self, x, y):
        #           new_x = (old_x * old_volume + x) / (old_volume + 1),
        # therefore new_x = old_x + (x - old_x) / v,
        # for v = volume + 1.
        self.volume += 1
        self.x += (x - self.x) / self.volume
        self.y += (y - self.y) / self.volume


for y in range(territory_map.shape[0]):
    for x in range(territory_map.shape[1]):
        cell = territory_map[y][x]
        if cell == 0:
            continue
        if cell not in centroid_data:
            centroid_data[cell] = CentroidRecord(x, y)
        else:
            centroid_data[cell].add_mass(x, y)

for area in centroid_data:
    data = centroid_data[area]
    print(f"{area}: ({data.x}, {data.y})")

这应该打印以下内容：

1: (2.8, 1.6)
2: (0.8, 1.8)
3: (4.75, 2.25)

有什么更快的方法吗？

Answer 1

一种颜色的质心的每个坐标只是该颜色点的所有坐标的平均值。因此，我们可以使用 dict 理解：

import numpy as np

n_colours = territory_map.max()

{i: tuple(c.mean() for c in np.where(territory_map.T == i)) 
 for i in range(1, n_colours + 1)}

输出：

{1: (2.8, 1.6), 
 2: (0.8, 1.8), 
 3: (4.75, 2.25)}

请注意，我们需要进行转置，因为在 numpy 中，行（y 坐标）位于列（x 坐标）之前。

随机生成数据所花费的时间：

81.6 ms ± 5.36 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

更快地找到像素区域的质心

Faster way to find centroids of pixel areas

python

numpy

optimization

centroid