Python計算不規(guī)則圖形面積算法實現(xiàn)解析

發(fā)布時間：2020-10-11 17:45:52 來源：腳本之家閱讀：278 作者：PowerZZJ 欄目：開發(fā)技術(shù)

這篇文章主要介紹了Python計算不規(guī)則圖形面積算法實現(xiàn)解析,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

介紹：大三上做一個醫(yī)學(xué)影像識別的項目，醫(yī)生在原圖上用紅筆標記病灶點，通過記錄紅色的坐標位置可以得到病灶點的外接矩形，但是后續(xù)會涉及到紅圈內(nèi)的面積在外接矩形下的占比問題，有些外接矩形內(nèi)有多個紅色標記，在使用網(wǎng)上的opencv的fillPoly填充效果非常不理想，還有類似python計算任意多邊形方法也不理想的情況下，自己探索出的一種效果還不錯的計算多圈及不規(guī)則圖形的面積的算法。

能較為準確的計算出不規(guī)則圖形的面積

正文:算法的思想很簡單，遍歷圖片每一列，通過色差判斷是否遇到標記圈，將坐標全部記錄，對每一列的坐標都進行最小行和最大行記錄，確定每一列的最小和最大的坐標，然后上色（類似opencv的fillPoly的實現(xiàn)，但是細節(jié)有些區(qū)別），只是這樣效果并不好，將圖片旋轉(zhuǎn)90度，再做一邊，將兩個圖片的結(jié)果放在一起做與操作，得到結(jié)果就能很好的處理多圈的標記問題和多算面積的問題（比如上面的08-LM），

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

算法實現(xiàn)

全程只用pillow庫

首先先用屏幕拾色器獲取目標顏色的rgb值，我這種情況下就是（237，28，36），前期截取外接矩形也是要這一步的，顏色也一致

 def pixel_wanted(pix):
   return pix==(237,28, 36)

每一列都設(shè)定翻轉(zhuǎn)位初始為False，如果上一個像素點不是目標色，當(dāng)前是目標色則開始記錄，一旦不是目標色，停止檢測

top_Pixel都設(shè)定為黑色（0，0，0）因為有圖片最上方就是目標色，導(dǎo)致判定出問題，直接讓最上面的像素初始化是黑色

coordinate_List記錄了所有符合的點坐標

coordinate_List = []
top_Pixel = (0,0,0)
for x in range(im.size[0]):
  flag = False #初始化每一列翻轉(zhuǎn)位為False
  for y in range(im.size[1]):
    current_pixel = im.getpixel((x,y))
    last_pixel = im.getpixel((x,y-1)) if y>0 else top_Pixel
    #翻轉(zhuǎn)判定
    if pixel_wanted(current_pixel) and \
        not pixel_wanted(last_pixel):
      flag = True
    if flag and not pixel_wanted(current_pixel):
      flag = False
    if(flag):
      coordinate_List.append((x,y))

coordinate_List中的點如下圖

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

然后就是將上面獲得coordinate列表進行處理

將coordinate列表中每一列的最小坐標和最大坐標進行記錄

因為每一列記錄的數(shù)量并不確定（應(yīng)該可以在上一步改進一下），所以需要遍歷多次

首先找到第一個列出現(xiàn)的坐標，將它的行信息記錄（行信息最小確定），

然后遍歷出全部的同列的坐標，比較行坐標，如果大的就將最大的代替（行信息最大確定），用一個新的列表記錄數(shù)據(jù)

coordinate_Min_Max_List = []
#找最小最大
for i in range(im.size[0]):
  min=-1
  max=-1
  for coordinate in coordinate_List:
    if coordinate[0] == i:
      min = coordinate[1]
      max = coordinate[1]
      break
  for coordinate in coordinate_List:
    if coordinate[0] == i:
      if coordinate[1]>max:
        max = coordinate[1]
  coordinate_Min_Max_List.append(min)
  coordinate_Min_Max_List.append(max)

其中要將min和max都初始化為一個坐標不存在的值比如-1，為了在下一步多圈且有空隙情況下，不會出現(xiàn)殘影現(xiàn)象，如下圖

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

上一步的最后得到一個列表，第n列的最小行和最大行分別是第2n和2n+1元素，結(jié)果中的-1，為了讓下一步不會畫進去

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

然后就是繪制圖片了，每一列將列表中對應(yīng)的最小行到最大行涂滿

#上色
for x in range(im.size[0]):
  for y in range(im.size[1]):
    min = coordinate_Min_Max_List[x*2]
    max = coordinate_Min_Max_List[x*2+1]
    if min<y<max:
      im.putpixel((x,y),(0,255,0))
    else:
      #可以把非紅圈的上掩膜遮住
      pass

至此，就是類似opencv的算法實現(xiàn)，雖然還差翻轉(zhuǎn)做與操作，但是已經(jīng)比opencv生成的效果好，寫成函數(shù)后續(xù)調(diào)用，

然后就是簡單的翻轉(zhuǎn)90度，再調(diào)用一次這個函數(shù)再做一遍

def Cal_S(im):
  im_0 = im.rotate(0)
  im_90 = im.rotate(90, expand=True)
  
  im_0 = fillPoly(im_0)
  im_90 = fillPoly(im_90)
  im_90 = im_90.rotate(-90, expand=True)

  i=0
  for x in range(im.size[0]):
    for y in range(im.size[1]):
      if(im_0.getpixel((x,y))==(0,255,0) and
      im_90.getpixel((x,y))==(0,255,0)):
        im.putpixel((x,y),(0,255,0))
        i+=1
  return i/(im.size[0]*im.size[1])

做兩遍的效果圖

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

可以看到效果非常不錯，但是依舊有個別圖像有問題，比如十字分布的，

但現(xiàn)在的話誤差已經(jīng)降低非常多了，這些極其個別的十字現(xiàn)象可以手動把原圖切割一下，或者干脆不處理了

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

所有代碼，畫出綠圖片為了方便直觀的查看，函數(shù)中可以把圖片順便保存一下，總體看一下效果

from PIL import Image

def pixel_wanted(pix):
  return pix==(237,28, 36)

def fillPoly(im):
  coordinate_List = []

  top_Pixel = (0,0,0)
  for x in range(im.size[0]):
    flag = False #初始化每一列翻轉(zhuǎn)位為False
    for y in range(im.size[1]):
      current_pixel = im.getpixel((x,y))
      last_pixel = im.getpixel((x,y-1)) if y>0 else top_Pixel
      #翻轉(zhuǎn)判定
      if pixel_wanted(current_pixel) and \
          not pixel_wanted(last_pixel):
        flag = True
      if flag and not pixel_wanted(current_pixel):
        flag = False
      if(flag):
        coordinate_List.append((x,y))
  coordinate_Min_Max_List = []
  #找最小最大
  for i in range(im.size[0]):
    min=-1
    max=-1
    for coordinate in coordinate_List:
      if coordinate[0] == i:
        min = coordinate[1]
        max = coordinate[1]
        break
    for coordinate in coordinate_List:
      if coordinate[0] == i:
        if coordinate[1]>max:
          max = coordinate[1]
    coordinate_Min_Max_List.append(min)
    coordinate_Min_Max_List.append(max)
  #上色
  for x in range(im.size[0]):
    for y in range(im.size[1]):
      min = coordinate_Min_Max_List[x*2]
      max = coordinate_Min_Max_List[x*2+1]
      if min<y<max:
        im.putpixel((x,y),(0,255,0))
      else:
        #可以把非紅圈的上掩膜遮住
        pass
  return im

def Cal_S(im):
  im_0 = im.rotate(0)
  im_90 = im.rotate(90, expand=True)

  im_0 = fillPoly(im_0)
  im_90 = fillPoly(im_90)
  im_90 = im_90.rotate(-90, expand=True)

  i=0
  for x in range(im.size[0]):
    for y in range(im.size[1]):
      if(im_0.getpixel((x,y))==(0,255,0) and
      im_90.getpixel((x,y))==(0,255,0)):
        im.putpixel((x,y),(0,255,0))
        i+=1
  return i/(im.size[0]*im.size[1])

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。

向AI問一下細節(jié)

Python計算不規(guī)則圖形面積算法實現(xiàn)解析

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標簽