当前位置：首页 > article >正文

一笔画-获取图像轮廓坐标点

article 2025/2/22 16:32:28

文章目录

构图
K邻近算法
代码
一笔画轮廓
坐标点

构图

首先是制作合适的图像，尽量是黑色背景，白色的图像。
SL3.jpg
在这里插入图片描述

K邻近算法

使用 python

from sklearn.neighbors import NearestNeighbors

代码

在这里插入图片描述
完整代码

import cv2
import numpy as np
from sklearn.neighbors import NearestNeighbors
import matplotlib.pyplot as plt
# 获取图片一笔画的轮廓点
def sort_contour_points(points):
    """按照最近邻算法排序轮廓点"""
    if len(points) == 0:
        return points  # 如果点集为空，直接返回


    ordered_points = []
    current_point = points[0]
    ordered_points.append(current_point)
    remaining_points = np.delete(points, 0, axis=0)  # 移除当前点

    while len(remaining_points) > 0:
        nbrs = NearestNeighbors(n_neighbors=1, algorithm='auto').fit(remaining_points)
        _, indices = nbrs.kneighbors([current_point])
        next_point_idx = indices[0][0]

        # 检查索引是否超出范围
        if next_point_idx >= len(remaining_points):
            break  # 如果超出范围，退出循环

        current_point = remaining_points[next_point_idx]
        ordered_points.append(current_point)
        remaining_points = np.delete(remaining_points, next_point_idx, axis=0)

    return np.array(ordered_points)

def sample_points(points, num_samples):
    """对轮廓点进行采样"""
    if len(points) == 0:
        return points  # 如果点集为空，直接返回

    indices = np.linspace(0, len(points) - 1, num_samples).astype(int)
    return points[indices]

def get_contour_points(image_path, num_samples=1000):
    """从图像中提取轮廓并采样到指定数量的点"""
    # 读取图像
    image = cv2.imread(image_path)
    if image is None:
        raise ValueError("图像路径错误或图像无法读取")

    # 灰度化
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 二值化
    _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

    # 轮廓检测
    contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

    # 合并所有轮廓点
    contour_points = np.vstack(contours).squeeze()

    # 按照一笔画方式排序轮廓点
    sorted_points = sort_contour_points(contour_points)

    # 采样到指定数量的点
    sampled_points = sample_points(sorted_points, num_samples)

    return sampled_points

def plot_contour_points(points):
    """可视化轮廓点"""
    if len(points) == 0:
        print("没有可用的轮廓点")
        return

    plt.plot(points[:, 0], points[:, 1], '-o', markersize=2)
    plt.gca().invert_yaxis()  # 反转Y轴以匹配图像坐标系
    plt.title("Sampled Contour Points")
    plt.xlabel("X")
    plt.ylabel("Y")
    plt.show()

# 示例使用
if __name__ == "__main__":
    # 图像路径
    image_path = "SL3.jpg"  # 替换为你的图像路径

    # 获取自定义数量个轮廓点， num_samples 自定义数量
    sampled_points = get_contour_points(image_path, num_samples=100)

    # 输出结果
    print("Sampled Points Shape:", sampled_points.shape)
    # sum_array = sampled_points.sum(axis=1)[:, np.newaxis]
    first = sampled_points[:, 0]
    second = sampled_points[:, 1]
    print("first min max:", np.min(first), np.max(first))   # 找到0维最大最小的元素
    print("second min max:", np.min(second), np.max(second)) # 找到1维最大最小的元素
    print("First 10 Points:\n", sampled_points[:10])

    with open('output.txt', 'w') as file:
        # 将列表转换为用逗号分隔的字符串，并写入文件
        # 默认的坐标轴0点是图像的左下角， 通过0/1维最大最小的元素 求平均平移，使坐标原点在图像中间，方便个性化使用
        file.write(','.join(map(str, (sampled_points-np.array([(57+525)/2, (18+508)/2])).tolist())))
    # 可视化
    plot_contour_points(sampled_points)