Сортировка массива точек в numpy

ProgramBox

Сортировка массива точек в numpy

Post author:admin
Запись опубликована:15 мая, 2023
Post category:Вопросы по программированию

#python #numpy

#питон #numpy #python

Вопрос:

Я получил массив точек, объявленный следующим образом:

 found = np.empty(img_rgb.shape[:2])

Он представляет значения из сопоставления с шаблоном OpenCV.
Поскольку я сохранил только те точки, которые имели желаемые значения из сопоставления, я переписал его перед повторением:

 found2 = np.where(found)

Теперь я повторяю это следующим образом:

 for pt in zip(*found2[::-1]):
    (x, y) = pt

Но как мне отсортировать его, чтобы он переходил от наименьшего к наибольшему значению в found[x][y] массиве?

Я пытался np.argsort() , но, похоже, не сохраняет правильные индексы x, y. На самом деле, я думаю, он вообще не сортирует по значениям.

РЕДАКТИРОВАТЬ: Для ясности:

 img_rgb = cv2.imread(os.path.join(DATA_DIR, 'some.png'))

(...)

res = cv2.matchTemplate(img_gray, tmpl, cv2.TM_CCOEFF)
loc = np.where(res > 230000)
for pt in zip(*loc[::-1]):
   (x, y) = pt
   found[y][x] = -res[y][x]

1.Что ты на самом деле пытаешься сделать? np.where() выполняет сортировку элементов по строке, затем по столбцу. Итак, я не уверен, какова здесь цель. Редактировать: ах, подождите, итак, вы хотите сделать заказ по шаблону, соответствующему значениям изображения. Это правильно? Мой первоначальный вопрос по-прежнему касается того, почему вы хотели бы это сделать, поскольку это кажется чрезвычайно медленным без всякой причины. Вам действительно нужен каждый пиксель? Или просто какое-то подмножество?

2. Похоже, это работает медленно. Мне нужно подмножество найденных значений, превышающих пороговое значение. Затем отсортируйте их по значению. Затем повторите это. На самом деле я не самый лучший в Python 🙁

3. (a) Является found ли это 2d массивом bools? (b) Под found[x][y] вы на самом деле имеете в виду found[x,y] ? (c) Что вы подразумеваете под «наименьшим или наибольшим значением в found[x][y] , особенно если found имеет только bools»?

4. found[x][y] имеет значение, которое может быть bigint, из cv2.matchTemplate()

5. Ваше «РЕДАКТИРОВАТЬ, чтобы было понятно», кажется, делает это еще менее понятным. Он вводит loc , и в вашем заявлении о требовании вообще не упоминается loc

Ответ №1:

 res = cv2.matchTemplate(img_gray, tmpl, cv2.TM_CCOEFF)
count = np.sum(res > 230000)
y, x = np.unravel_index((-res).argsort(None), res.shape)
for row, col in zip(y[:count], x[:count]):
    print(res[row, col], (row, col))

Объяснение для каждой строки:

 count = np.sum(res > 230000)

возвращает общее количество значений, которые вы хотите выполнить итерацию.

 y, x = np.unravel_index((-res).argsort(None), res.shape)

Здесь argsort(None) вернет линейные индексы в массив, который его сортирует. Однако нам нужны индексы (строки, столбца), а не линейные, поэтому мы используем np.unravel_index() для получения 2d-индексов. Используя отрицательный результат для сортировки от max до min, как вы делали в OP.

Затем, наконец, мы можем выполнить итерацию по точкам:

 for row, col in zip(y[:count], x[:count]):
    print(res[row, col], (row, col))

Печать предназначена только для того, чтобы показать, что мы действительно получаем самые высокие значения первыми, и показать индекс (строка, столбец) для этих соответствующих значений.

Пример:

 >>> import cv2
>>> import numpy as np
>>> img = np.uint8(255*np.random.rand(100, 100))
>>> tmp = np.uint8(255*np.random.rand(10, 10))
>>> res = cv2.matchTemplate(img, tmp, cv2.TM_CCOEFF)
>>> count = np.sum(res > 100000)
>>> y, x = np.unravel_index((-res).argsort(None), res.shape)
>>> for row, col in zip(y[:count], x[:count]):
>>>     print(res[row, col], (row, col))
206337.11 (19, 12)
177079.31 (76, 9)
173258.67 (63, 15)
...
100202.44 (56, 1)
100098.41 (0, 48)
100089.09 (68, 47)

Обратите внимание, что эти конечные значения приведены в порядке (строка, столбец), то есть противоположном порядку точек (x, y), поэтому не стесняйтесь менять местами по мере необходимости.

Ответ №2:

Не уверен, что я вас правильно понял, но вы хотите что-то вроде:

 found = np.random.randint(0, 10, (3, 4))
found2 = np.where(found)
found
# array([[5, 6, 8, 6],
#        [0, 7, 7, 3],
#        [7, 6, 0, 5]])
found2
# (array([0, 0, 0, 0, 1, 1, 1, 2, 2, 2]), array([0, 1, 2, 3, 1, 2, 3, 0, 1, 3]))

order = found[found2].argsort()
x, y = found2[1][order], found2[0][order]
found[y, x]
# array([3, 5, 5, 6, 6, 6, 7, 7, 7, 8])

Это сортирует 2d-индексы в found2 по значениям в точках в found , на которые они ссылаются.

1. Я отредактировал свой вопрос, чтобы указать, что такое found , мне все еще нужен код итерации, поскольку я выполняю итерацию found2 , а не found , но, возможно, я понимаю это неправильно

2. @FlashThunder (y, x) такой же, как found2 , только переупорядоченный. Вы можете назначить его обратно found2 = y, x и использовать свой цикл без изменений.

3. @FlashThunder Извините, я не понимаю вопроса. После того, как вы определили found2 в своем коде, вы вставляете строку, начинающуюся с order = , и следующую строку, и строку, которую я написал в своем последнем комментарии found2 = y, x , и это должно быть все, что вам нужно сделать.

Ответ №3:

Решение:

 sorted_pts = sorted(zip(*loc), key=lambda t:res[t])
print (sorted_pts)

Попробуйте это с образцами данных:

Давайте возьмем некоторые образцы данных в меньшем масштабе ( res как просто массив формы (3,4) и 4 как threshold ):

 import numpy as np

res = np.arange(12).reshape(3,4)
print (res)

loc = np.where(res > 4)  # Dummy threshold == 4

sorted_pts = sorted(zip(*loc), key=lambda t:res[t[0],t[1]])
print (sorted_pts)

Вывод:

 [[ 0  1  2  3]   # res
 [ 4  5  6  7]
 [ 8  9 10 11]]
# sorted_pts
[(1, 1), (2, 1), (3, 1), (0, 2), (1, 2), (2, 2), (3, 2)]

Примечание:
(Проверка того, что точки отсортированы в соответствии со значениями в res )

 [(1, 1), (2, 1), (3, 1), (0, 2), (1, 2), (2, 2), (3, 2)]
   |       |       |        |       |       |       |
   |       |       |        |       |       |       |
   V       V       V        V       V       V       V
   5       6       7        8       9       10      11