如何在单元格具有指定值的二维掩码中找到左上、右上、左下、右坐标？

Question

我有 2D numpy 数组，它是图像的掩码。每个单元格都有

0

或

1

值。所以我想在值为1的数组中找到top:left,right,bottom:left,right。

例如输入数组：

[00000]
[01110]
[01100]
[00000]

预期输出：

(1,1), (1,3), (2,1), (2,2)

Answer 1

使用

np.argwhere

和

itertools.product

：

import numpy as np
from itertools import product

def corners(np_array):
    ind = np.argwhere(np_array)
    res = []
    for f1, f2 in product([min,max], repeat=2):
        res.append(f1(ind[ind[:, 0] == f2(ind[:, 0])], key=lambda x:x[1]))
    return res
corners(arr)

输出：

[array([1, 1], dtype=int64),
 array([2, 1], dtype=int64),
 array([1, 3], dtype=int64),
 array([2, 2], dtype=int64)]

Answer 2

您可以使用

numpy.amax

操作来查找多维数组中的最大值。如下

def corners_v2(np_array):
    max_values = np.amax(np_array)
    result = np.where(np_array == np.amax(np_array))
    x1 = np.min(result[0])
    x2 = np.max(result[0])
    y1 = np.min(result[1])
    y2 = np.max(result[1])
    return x1, y1, x2, y2

Answer 3

xy=np.array([[0,0,0,0,0],[0,1,1,1,0],[0,1,1,0,0],[0,0,0,0,0]])
x,y=np.where(xy==1)
tl_i=np.argmin(x)
tl=[x[tl_i],y[tl_i]]
tr_i=np.argmax(y)
tr=[x[tr_i],y[tr_i]]
bl_i=np.argmax(x)
bl=[x[bl_i],y[bl_i]]
br_i=len(x)-1-np.argmax(np.flip(x))
br=[x[br_i],y[br_i]]

Answer 4

使用

transpose

中的

nonzero

和

numpy

，例如：

im=np.array([[0,0,0,0,0],
[0,1,1,1,0],
[0,1,1,0,0],
[0,0,0,0,0]])

print(np.transpose(np.nonzero(im)))

产量：

array([[1, 1],
       [1, 2],
       [1, 3],
       [2, 1],
       [2, 2]])

更新： 仍然不完美，但只要蒙版在其行内是连续，您就可以评估

np.diff()

以了解

0->1

和

1->0

过渡在哪里：

leftedge=np.transpose(np.nonzero(np.diff(im,prepend=0)==1))
rightedge=np.transpose(np.nonzero(np.diff(im,append=0)==-1))

top_left     = leftedge[0]
bottom_left  = leftedge[-1]
bottom_right = rightedge[-1]
top_right    = rightedge[0]

pts=[list(x) for x in [top_left,top_right,bottom_left,bottom_right]]

产量：

[[1, 1], [1, 3], [2, 1], [2, 2]]

我建议使用克里斯的答案代替。

Answer 5

def get_corners(mask):
    mask_ = mask.copy()
    mask_[mask_!=0]=1
    row_sumed = np.sum(mask_, axis=0)
    col_sumed = np.sum(mask_, axis=1)
    w_nonzeros_ids = np.where(row_sumed!=0)
    h_nonzeros_ids = np.where(col_sumed!=0)
    return w_nonzeros_ids[0][0], h_nonzeros_ids[0][0], w_nonzeros_ids[0][-1], h_nonzeros_ids[0][-1]