从 2d 点寻找边缘 Python

Question

我有几组 2d 分散数据，我想找到它们的边缘。有些边可能是开放线，有些可能是多边形。

例如，这是一个有开放边缘的地块，我希望能够保留它。我实际上想从开放边缘创建一个多边形，这样我就可以使用 point_in_poly 检查是否有另一个点在里面。关闭多边形的点是我绘图区域的边界，顺便说一句。

关于从哪里开始的任何想法？

编辑：

这是我已经尝试过的：

来自 sklearn 的内核密度。边缘点密度变化很大，无法与大部分点完全区分开来。

kde = KernelDensity()  
kde.fit(my_data)  
dens = np.exp(kde.score_samples(ds))  
dmax = dens.max()  
dens_mask = (0.4 * dmax < dens) & (dens < 0.8 * dmax)  
ax.scatter(ds[dens_mask, 0], ds[dens_mask, 1], ds[dens_mask, 2],  
c=dens[dens_mask], depthshade=False, marker='o', edgecolors='none')

顺便说一句，彩色图左侧的 'gap' 与上面黑白图中的相同。我也很确定我可以更好地使用 KDE。例如，我想获得更小体积的密度，更像是使用 sklearn 的 NearestNeighbors()

中的 radius_neighbors

来自 scipy 的 ConvexHull。我尝试从半随机数据中删除点（用于练习），同时仍然在凸集内保留一个兴趣点（此处为 0,0）。这不是很有效。我没有从迭代中排除点的复杂方法，只删除了最后一个凸包中使用的点。此代码和随附的图像显示了第一个和最后一个船体，同时将兴趣点保留在集合中。

hull = ConvexHull(pts)
contains = True
while contains:

    temp_pts = np.delete(pts, hull.vertices, 0)
    temp_hull = ConvexHull(temp_pts)
    tp = path.Path(np.hstack((temp_pts[temp_hull.vertices, 0][np.newaxis].T,
    temp_pts[temp_hull.vertices, 1][np.newaxis].T)))
if not tp.contains_point([0, 0]):
    contains = False
    hull = ConvexHull(pts)
    plt.plot(pts[hull.vertices, 0], pts[hull.vertices, 1])
else:
    pts = temp_pts

plt.plot(pts[hull.vertices, 0], pts[hull.vertices, 1], 'r-')
plt.show()

理想情况下，凸包的目标是最大化凸包内的面积，同时保持仅集合内的兴趣点，但我无法对此进行编码.

KMeans() 来自 sklearn.cluster。使用 n=3 个集群，我只尝试了运行和 class 的默认设置，并得到了三个水平的点组。我还没有学会如何训练数据来识别形成边缘的点。

这是数据点来自的模型的一部分。实心区域包含点，而空隙区域不包含点。

Here, and here 是我问过的其他一些问题，它们显示了我一直在看的更多内容。

Answer 1

所以我能够以迂回的方式做到这一点。

我使用 SolidWorks 生成的 xy 平面中模型切片的图像来区分感兴趣的区域。

如果你看到它们，图片的角上有一些点，我在已知距离处放置在模型中以供参考。这些点使我能够确定每毫米的像素数。从那里，我将分析集中的点映射到像素并检查像素的颜色。如果像素为白色，则它被遮蔽了。

def mask_z_level(xi, yi, msk_img, x0=-14.3887, y0=5.564):
    im = plt.imread(msk_img)
    msk = np.zeros(xi.shape, dtype='bool')

    pxmm = np.zeros((3, 2))
    p = 0

    for row in range(im.shape[0]):
        for col in range(im.shape[1]):
            if tuple(im[row, col]) == (1., 0., 0.):
                pxmm[p] = (row, col)
                p += 1

    pxx = pxmm[1, 1] / 5.5
    pxy = pxmm[2, 0] / 6.5
    print(pxx, pxy)

    for j in range(xi.shape[1]):
        for i in range(xi.shape[0]):
            x, y = xi[i, j], yi[i, j]
            dx, dy = x - x0, y - y0
            dpx = np.round(dx * pxx).astype('int')
            dpy = -np.round(dy * pxy).astype('int')

            if tuple(im[dpy, dpx]) == (1., 1., 1.):
                msk[i, j] = True

    return msk

这是显示掩蔽效果的图表：

我仍在微调边界，但现在我的任务很容易处理，因为蒙版已基本完成。原因是一些掩码点不正确导致条带。

从 2d 点寻找边缘 Python

Finding edge from 2d points Python

python

image-processing

edge-detection

convex-hull

scikits