Question

我有一组区域（边界框）用于某些图像，例如python代码：

im = Image.open("single.png")
pix = np.array(im)
gray = rgb2grey(pix)
thresh = threshold_otsu(gray)
bw = closing(gray > thresh, square(1))

cleared = bw.copy()
clear_border(cleared)
borders = np.logical_xor(bw, cleared)
label_image = label(borders)

for region in regionprops(label_image, ['Area', 'BoundingBox']):
    #now i have bounding boxes in hand

我想要做的是合并重叠的区域或bbox边缘之间的距离小于X。天真的方法是检查所有区域之间的距离，其具有O（n ²）复杂度。我可以写一些更聪明的东西，但我觉得这种算法已经存在，我不想重新发明轮子。任何帮助表示赞赏。

Answer 1

这是你的问题“有n个盒子（不一定是//到x-y轴），你想找到所有重叠的盒子并合并它们（如果它们存在的话）？”

我想不出一个线性算法，但我有一个比O（n ^ 2）更快的概念，也许O（n lg n）描述如下：

为每个框添加一个id，也为每个边标记，标记它的所属框
使用sweeping line algorithm 查找所有路口
在扫描线算法中，一旦报告了交叉点，您就知道哪两个框重叠，使用像disjoint-set这样的东西来对它们进行分组。
最后线性扫描不相交集，对于每个集合，不断更新最左边，最右边，最顶部，最下面的点，以便制作一个更大的框来绑定它们（在此处合并，请注意，如果某个框与其他框没有重叠，则该集合仅包含其自身）

我希望这个方法可以工作，它应该比O（n ^ 2）快，但即使它确实有效，它仍然有一些问题在步骤4，其中较大的合并框必须是//到xy轴，这不是必须的。

编辑：对不起我只是再次通过OP，并且理解上面的解决方案并没有解决“距离＆lt; x”的合并框，它甚至只解决了重叠框问题。

此外，合并框程序不是1遍作业，它是递归的，例如框A和框B合并成框C，则框C可以重叠/距离＆lt; x带框D ......依此类推。

在线性时间内解决这个任务对我来说是不可能的，因为预先计算所有成对方框之间的距离已经很难在O（n）中完成......

以线性时间合并图像区域（bbox）

1 个答案: