最低成本路径/最低成本路径

时间:2019-02-01 17:38:42

标签: image image-processing gis scikit-image

我目前正在使用来自skimage.graph的库和route_through_array函数,以获取成本图中从一个点到另一点的最小成本路径。问题是我有多个起点和多个终点,这导致数千次迭代。我目前正在用两个for循环修复此问题。以下代码只是一个示例:

img=np.random.rand(400,400)
img=img.astype(dtype=int)
indices=[]
costs=[]
start=[[1,1],[2,2],[3,3],[4,5],[6,17]]
end=[[301,201],[300,300],[305,305],[304,328],[336,317]]
for i in range(len(start)):
    for j in range(len(end)):
        index, weight = route_through_array(img, start[i],end[j])
        indices.append(index)
        costs.append(weight)

根据我对documentation的了解,该函数接受许多端点,但是我不知道如何在函数中传递它们。有什么想法吗?

1 个答案:

答案 0 :(得分:0)

应该可以通过与skimage.graph.MCP Cython类直接交互来更有效地实现这一点。便利包装route_through_array不够通用。假设我正确理解了您的问题,那么您所寻找的基本上是MCP.find_costs()方法。

您的代码将看起来像(忽略导入)

img = np.random.rand(400,400)
img = img.astype(dtype=int)
starts = [[1,1], [2,2], [3,3], [4,5], [6,17]]
ends = [[301,201], [300,300], [305,305], [304,328], [336,317]]

# Pass full set of start and end points to `MCP.find_costs`
from skimage.graph import MCP
m = MCP(img)
cost_array, tracebacks_array = m.find_costs(starts, ends)

# Transpose `ends` so can be used to index in NumPy
ends_idx = tuple(np.asarray(ends).T.tolist())
costs = cost_array[ends_idx]

# Compute exact minimum cost path to each endpoint
tracebacks = [m.traceback(end) for end in ends]

请注意,原始输出cost_array实际上是完全致密的阵列相同的形状为img,其具有有限值只在你要的终点。这种方法唯一可能的问题是,从多个起点开始的最小路径是否会收敛到同一终点。通过上面的代码,您只会获得这些收敛路径中较低者的完整追溯。

回溯步骤仍然有一个循环。通过使用tracebacks_array并与`m.offsets进行交互,可以消除这种情况,这也可以消除上述的歧义。但是,如果您只想要最低成本和最佳路径,则可以省略此循环-只需使用argmin找到最低成本,然后跟踪该单个端点(或几个端点,如果多个端点被捆绑在一起以获得最低成本) )返回。