确定中心点和路径的快速方法

Question

我有以下灰色图像。我可以使用np.transpose(np.nonzero(tmpData))查找点的位置。我最初的想法是计算所有点的欧几里得距离，以检查哪个点重复出现。然后根据这个想法找到与该中心点相关的路径。

但是，这种方法很慢。我需要2个循环来计算欧式距离。 1个用于找到中心点的循环。还有1个循环来确认它的方向。

有没有更快的方法来找到中心点和路径？

点位置：

[ 74 374]
[ 20 440]
[149 325]
[269  52]
[242 149]
[252 254]
[209 329]
[349 256]
[449 252]
[549 245]
[649 241]
[732 258]
[780 316]

Answer 1

我能想到的一件事是使用Random sample consensus algorithm。我曾经用它来从点云中重建3D实体。由于您的示例是2D，因此它将重复选择2个随机点，并检查可以从这2个点构造的线的某个阈值内有多少个点。理想情况下，该算法会找到3条线，近似于您正在谈论的“路径”。这些线的交点可以很好地指示您应该在哪里寻找中心点。

编辑：要获取三行内容，可以从数据集中删除点。因此，首先找到最佳拟合，然后在该拟合阈值内删除点。之后，它将寻找下一个最合适的对象，依此类推。您可以使用while循环并以剩余点数为条件来执行此操作。为了使您的示例更清楚：

这是您找到的第一行：

现在，您从要拟合线的集合中删除点，然后继续，这是第二行：

从第二行中删除点，然后将最后一行拟合到剩余的点：

没有剩余的点可以容纳，所以这意味着您的交叉点应该在这三个交叉点附近：

您可以考虑将数据放入balltree之类的树形结构中，以查找这三个交叉点的公共最近邻。

使用RANSAC可能会得到比您想要的更少或更多的行，或者这些行无法正确容纳。这完全取决于参数（您可以通过反复试验来优化参数）和数据。

注意：上面的示例只是我使用matplotlib进行的演示，我没有使用RANSAC算法，但是结果有些相同。