假设我在python列表中有一个8向自由人链代码,如下所示:
freeman_code = [3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 5]
其中的方向将定义如下:
我需要将其转换为大小为1s和0s的可变尺寸图像矩阵,其中1s表示形状,例如:
image_matrix = [
[0, 0, 1, 0, 0, 1],
[0, 0, 0, 1, 0, 1],
[0, 0, 0, 0, 1, 1]
]
当然,以上并不是上述Freeman代码的确切实现。有没有使用python或任何语言实现的实现? 我的想法(在python中): 使用defaultdicts的defaultdict,默认值为0:
ImgMatrixDict = defaultdict(lambda: defaultdict(lambda:0))
,然后从中点开始,例如ImgMatrixDict[25][25]
,然后在遍历时根据Freeman代码值将值更改为1。之后,我将ImgMatrixDict
转换为列表列表。
这是一个可行的主意吗?是否存在任何实现此目的的库或建议?任何想法/伪代码将不胜感激。
PS:在性能上,是的,这并不重要,因为我不会实时进行此操作,但是通常代码长度约为15-20个字符。我认为按此矩阵乘以50 * 50就足够了。
答案 0 :(得分:1)
如果我正确理解了您的问题:
import numpy as np
import matplotlib.pyplot as plt
freeman_code = [3, 3, 3, 6, 6, 4, 6, 7, 7, 0, 0, 6]
img = np.zeros((10,10))
x, y = 4, 4
img[y][x] = 1
for direction in freeman_code:
if direction in [1,2,3]:
y -= 1
if direction in [5,6,7]:
y += 1
if direction in [3,4,5]:
x -= 1
if direction in [0,1,7]:
x += 1
img[y][x] = 1
plt.imshow(img, cmap='binary', vmin=0, vmax=1)
plt.show()
答案 1 :(得分:1)
这是python中的解决方案。字典不适合这个问题,您最好使用列表列表来模拟表。
D = 10
# DY, DX
FREEMAN = [(0, 1), (-1, 1), (-1, 0), (-1, -1), (0, -1), (1, -1), (1, 0), (1, 1)]
freeman_code = [3, 3, 3, 3, 6, 6, 6, 6, 0, 0, 0, 0]
image = [[0]*D for x in range(D)]
y = D/2
x = D/2
image[y][x] = 1
for i in freeman_code:
dy, dx = FREEMAN[i]
y += dy
x += dx
image[y][x] = 1
print("freeman_code")
print(freeman_code)
print("image")
for line in image:
strline = "".join([str(x) for x in line])
print(strline)
>0000000000
>0100000000
>0110000000
>0101000000
>0100100000
>0111110000
>0000000000
>0000000000
>0000000000
>0000000000
请注意,图像创建是以下内容的压缩表达:
image = []
for y in range(D):
line = []
for x in range(D):
line.append(0)
image.append(line)
如果有一天,您需要更好的性能来处理更大的图像,则可以使用numpy库解决方案,但需要对python的基本了解。这是一个示例:
import numpy as np
D = 10
# DY, DX
FREEMAN = [(0, 1), (-1, 1), (-1, 0), (-1, -1), (0, -1), (1, -1), (1, 0), (1, 1)]
DX = np.array([1, 1, 0, -1, -1, -1, 0, 1])
DY = np.array([0, -1, -1, -1, 0, 1, 1, 1])
freeman_code = np.array([3, 3, 3, 3, 6, 6, 6, 6, 0, 0, 0, 0])
image = np.zeros((D, D), int)
y0 = D/2
x0 = D/2
image[y0, x0] = 1
dx = DX[freeman_code]
dy = DY[freeman_code]
xs = np.cumsum(dx)+x0
ys = np.cumsum(dy)+y0
print(xs)
print(ys)
image[ys, xs] = 1
print("freeman_code")
print(freeman_code)
print("image")
print(image)
在此,先前解决方案中使用“ for”构建的所有循环都在C中快速处理。