'draw' numpy 数组上的随机菱形(菱形)(测试哈里斯角检测)
'draw' a random rhombus (diamond) on a numpy array (testing harris corner detection)
我正在尝试为“harris_corner_detector”函数实现创建一个随机测试(非常一般,但有点不正确:一个在图像中查找角点的函数)
在测试中,我想在二进制 numpy 矩阵中创建随机的简单形状(很容易知道它们角的坐标)(例如矩形、三角形、菱形(菱形)等...)并检查 harris 实现是否找到了正确的角落。
我已经实现了一个随机'draws'轴平行矩形的功能,但是当涉及到不平行于轴的形状时,我找不到有效的方法。
为了创建一个随机矩形,我在两个轴上随机选择一个起点和一个终点,然后像这样更改这些边界内所有单元格的值:
获取随机坐标:
def _get_random_coords(self, start, end):
x_start, y_start = np.random.randint(start, end, 2)
x_end = np.random.randint(x_start + 7, end + 20)
y_end = np.random.randint(y_start + 7, end + 20)
return (x_start, x_end, y_start, y_end)
绘制随机矩形(背景值为 255,形状值为 0):
mat = np.ones((1024, 1024)) * 255
mat[x_start: x_end, y_start: y_end] = np.zeros((x_end - x_start, y_end - y_start))
但是当谈到有效地绘制菱形时,我不知所措。我所能想到的就是 运行 一个像这样创建钻石的循环:
def _get_rhombus(self, size):
rhombus = []
for i in range(size):
rhombus.append(np.zeros(i+1))
for i in range(size - 1, 0, -1):
rhombus.append(np.zeros(i))
return np.array(rhombus)
然后另一个循环将其添加到更大的矩阵。
但是这种方法在测试时效率非常低(因为我会画数百个,其中一些可能很大)。
还有更好的主意吗?或者 - 有没有更好的方法来测试这个?
提前致谢。
这里有很多问题,但主要问题是如何在给定角的情况下创建一个填充菱形的 numpy 数组。我会回答这个问题,并留下其他问题,例如创建随机菱形等
要填充凸多边形,可以找到后续角点指定的直线,然后在该直线的上方或下方进行填充,然后and
将所有填充区域一起
import numpy as np
import matplotlib.pyplot as plt
# given two (non-vertical) points, A and B,
# fill above or below the line connecting them
def fill(A, B, fill_below=True, xs=10, ys=12):
# the equation for a line is y = m*x + b, so calculate
# m and b from the two points on the line
m = (B[1]-A[1])/(B[0]-A[0]) # m = (y2 - y1)/(x2 - x1) = slope
b = A[1] - m*A[0] # b = y1 - m*x1 = y intercept
# for each points of the grid, calculate whether it's above, below, or on
# the line. Since y = m*x + b, calculating m*x + b - y will give
# 0 when on the line, <0 when above, and >0 when below
Y, X = np.mgrid[0:ys, 0:xs]
L = m*X + b - Y
# select whether, >=0 is True, or, <=0 is True, to determine whether to
# fill above or below the line
op = np.greater_equal if fill_below else np.less_equal
return op(L, 0.0)
这是一个简单的低分辨率菱形
r = fill((0, 3), (3, 8), True) & \
fill((3, 8), (7, 4), True) & \
fill((7,4), (5,0), False) & \
fill((5,0), (0,3), False)
plt.imshow(r, cmap='Greys', interpolation='nearest', origin='lower')
即上图是将以下填充与-ing在一起的结果:
fig, ax = plt.subplots(1, 4, figsize=(10, 3))
fill_params = [((0, 3), (3, 8), True), ((3, 8), (7, 4), True), ((7, 4), (5, 0), False), ((5, 0), (0, 3), False)]
for p, ax in zip(fill_params, ax):
ax.imshow(fill(*p), cmap="Greys", interpolation='nearest', origin='lower')
或者,可以做高分辨率,可以有多个面(虽然我觉得一定是凸面的)
r = fill((0, 300), (300, 800), True, 1000, 1200) & \
fill((300, 800), (600,700), True, 1000, 1200) & \
fill((600, 700), (700, 400), True, 1000, 1200) & \
fill((700,400), (500,0), False, 1000, 1200) & \
fill((500,0), (100,100), False, 1000, 1200) & \
fill((100, 100), (0,300), False, 1000, 1200)
plt.imshow(r, cmap='Greys', interpolation='nearest', origin='lower')
显然,有一些地方需要改进,比如不重复线的第二个点和新线的第一个点,但我想让这一切保持干净和简单(而且,为了填充到工作点只需要定义一条线而不需要是一个角,所以在某些情况下,这种更通用的方法可能更可取)。另外,目前需要指定在线上方或下方填充,可以通过多种方式计算,但在生成菱形时可能是最简单的。
虽然比已经发布的答案更不稳健,但这里有一个使用上三角矩阵和下三角矩阵概念形成菱形的巧妙技巧
import numpy as np
import matplotlib.pyplot as plt
blank = np.zeros((10, 12))
anchorx, anchory = 2, 3
# better result for odd dimensions, because mid index exists
# can handle h != w but the rhombus would still fit to a square of dimension min(h, w) x min(h, w)
h, w = 7, 7
assert anchorx+h <= blank.shape[0], "Boundaries exceed, maintain 'anchorx+h <= blank.shape[0]' "
assert anchory+w <= blank.shape[1], "Boundaries exceed, maintain 'anchory+w <= blank.shape[1]' "
tri_rtc = np.fromfunction(lambda i, j: i >= j, (h // 2 + 1, w // 2 + 1), dtype=int)
tri_ltc = np.flip(tri_rtc, axis=1)
rhombus = np.vstack((np.hstack((tri_ltc, tri_rtc[:, 1:])), np.flip(np.hstack((tri_ltc, tri_rtc[:, 1:])), axis=0)[1:, :]))
blank[anchorx:anchorx+h, anchory:anchory+w] = rhombus
print(blank)
plt.imshow(blank)
plt.show()
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 1. 1. 1. 1. 1. 0. 0. 0.]
[0. 0. 0. 1. 1. 1. 1. 1. 1. 1. 0. 0.]
[0. 0. 0. 0. 1. 1. 1. 1. 1. 0. 0. 0.]
[0. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
我正在尝试为“harris_corner_detector”函数实现创建一个随机测试(非常一般,但有点不正确:一个在图像中查找角点的函数) 在测试中,我想在二进制 numpy 矩阵中创建随机的简单形状(很容易知道它们角的坐标)(例如矩形、三角形、菱形(菱形)等...)并检查 harris 实现是否找到了正确的角落。
我已经实现了一个随机'draws'轴平行矩形的功能,但是当涉及到不平行于轴的形状时,我找不到有效的方法。
为了创建一个随机矩形,我在两个轴上随机选择一个起点和一个终点,然后像这样更改这些边界内所有单元格的值:
获取随机坐标:
def _get_random_coords(self, start, end):
x_start, y_start = np.random.randint(start, end, 2)
x_end = np.random.randint(x_start + 7, end + 20)
y_end = np.random.randint(y_start + 7, end + 20)
return (x_start, x_end, y_start, y_end)
绘制随机矩形(背景值为 255,形状值为 0):
mat = np.ones((1024, 1024)) * 255
mat[x_start: x_end, y_start: y_end] = np.zeros((x_end - x_start, y_end - y_start))
但是当谈到有效地绘制菱形时,我不知所措。我所能想到的就是 运行 一个像这样创建钻石的循环:
def _get_rhombus(self, size):
rhombus = []
for i in range(size):
rhombus.append(np.zeros(i+1))
for i in range(size - 1, 0, -1):
rhombus.append(np.zeros(i))
return np.array(rhombus)
然后另一个循环将其添加到更大的矩阵。 但是这种方法在测试时效率非常低(因为我会画数百个,其中一些可能很大)。
还有更好的主意吗?或者 - 有没有更好的方法来测试这个?
提前致谢。
这里有很多问题,但主要问题是如何在给定角的情况下创建一个填充菱形的 numpy 数组。我会回答这个问题,并留下其他问题,例如创建随机菱形等
要填充凸多边形,可以找到后续角点指定的直线,然后在该直线的上方或下方进行填充,然后and
将所有填充区域一起
import numpy as np
import matplotlib.pyplot as plt
# given two (non-vertical) points, A and B,
# fill above or below the line connecting them
def fill(A, B, fill_below=True, xs=10, ys=12):
# the equation for a line is y = m*x + b, so calculate
# m and b from the two points on the line
m = (B[1]-A[1])/(B[0]-A[0]) # m = (y2 - y1)/(x2 - x1) = slope
b = A[1] - m*A[0] # b = y1 - m*x1 = y intercept
# for each points of the grid, calculate whether it's above, below, or on
# the line. Since y = m*x + b, calculating m*x + b - y will give
# 0 when on the line, <0 when above, and >0 when below
Y, X = np.mgrid[0:ys, 0:xs]
L = m*X + b - Y
# select whether, >=0 is True, or, <=0 is True, to determine whether to
# fill above or below the line
op = np.greater_equal if fill_below else np.less_equal
return op(L, 0.0)
这是一个简单的低分辨率菱形
r = fill((0, 3), (3, 8), True) & \
fill((3, 8), (7, 4), True) & \
fill((7,4), (5,0), False) & \
fill((5,0), (0,3), False)
plt.imshow(r, cmap='Greys', interpolation='nearest', origin='lower')
即上图是将以下填充与-ing在一起的结果:
fig, ax = plt.subplots(1, 4, figsize=(10, 3))
fill_params = [((0, 3), (3, 8), True), ((3, 8), (7, 4), True), ((7, 4), (5, 0), False), ((5, 0), (0, 3), False)]
for p, ax in zip(fill_params, ax):
ax.imshow(fill(*p), cmap="Greys", interpolation='nearest', origin='lower')
或者,可以做高分辨率,可以有多个面(虽然我觉得一定是凸面的)
r = fill((0, 300), (300, 800), True, 1000, 1200) & \
fill((300, 800), (600,700), True, 1000, 1200) & \
fill((600, 700), (700, 400), True, 1000, 1200) & \
fill((700,400), (500,0), False, 1000, 1200) & \
fill((500,0), (100,100), False, 1000, 1200) & \
fill((100, 100), (0,300), False, 1000, 1200)
plt.imshow(r, cmap='Greys', interpolation='nearest', origin='lower')
显然,有一些地方需要改进,比如不重复线的第二个点和新线的第一个点,但我想让这一切保持干净和简单(而且,为了填充到工作点只需要定义一条线而不需要是一个角,所以在某些情况下,这种更通用的方法可能更可取)。另外,目前需要指定在线上方或下方填充,可以通过多种方式计算,但在生成菱形时可能是最简单的。
虽然比已经发布的答案更不稳健,但这里有一个使用上三角矩阵和下三角矩阵概念形成菱形的巧妙技巧
import numpy as np
import matplotlib.pyplot as plt
blank = np.zeros((10, 12))
anchorx, anchory = 2, 3
# better result for odd dimensions, because mid index exists
# can handle h != w but the rhombus would still fit to a square of dimension min(h, w) x min(h, w)
h, w = 7, 7
assert anchorx+h <= blank.shape[0], "Boundaries exceed, maintain 'anchorx+h <= blank.shape[0]' "
assert anchory+w <= blank.shape[1], "Boundaries exceed, maintain 'anchory+w <= blank.shape[1]' "
tri_rtc = np.fromfunction(lambda i, j: i >= j, (h // 2 + 1, w // 2 + 1), dtype=int)
tri_ltc = np.flip(tri_rtc, axis=1)
rhombus = np.vstack((np.hstack((tri_ltc, tri_rtc[:, 1:])), np.flip(np.hstack((tri_ltc, tri_rtc[:, 1:])), axis=0)[1:, :]))
blank[anchorx:anchorx+h, anchory:anchory+w] = rhombus
print(blank)
plt.imshow(blank)
plt.show()
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 1. 1. 1. 1. 1. 0. 0. 0.]
[0. 0. 0. 1. 1. 1. 1. 1. 1. 1. 0. 0.]
[0. 0. 0. 0. 1. 1. 1. 1. 1. 0. 0. 0.]
[0. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]