我有一个点L=[[x1,y1],[x2,y2],...]
的列表,我想建立一个列表S=[L1,L2,...]
“表面”通过收集L
的邻居点生成。 “表面”的类型与L的类型相同,也就是说,点列表(但是构成基于邻居链接的表面)。但是,我试图做的还不够快。
我使用了递归函数F(L, P)
,它需要一个点L
列表,以及起始点P=[x,y]
(在调用函数时必须从列表L
中删除)。然后,它查找P
的所有邻居点,并在它们存在的每一个上回调函数(在从L
中删除它们之后)。当测试的点不再具有邻居点时,到达基本情况。
因此,当达到所有基本情况时,F(L, P)
返回构成与L1
相关的surface
的点P
列表。然后我重复L
剩余点的过程,依此类推,建立L2,L3,...
。
def F(L,P):
nhList=[]
leftP=[P[0]+1,P[1]]
rightP=[P[0]-1,P[1]]
upP=[P[0],P[1]-1]
dwP=[P[0],P[1]+1]
if(upP in L):
L.remove(upP)
nhList.append(upP)
if(dwP in L):
L.remove(dwP)
nhList.append(dwP)
if(leftP in L):
L.remove(leftP)
nhList.append(leftP)
if(rightP in L):
L.remove(rightP)
nhList.append(rightP)
if(nhList!=[]):
rtList=[P]
for ad in nhList:
e=F(L,ad)
rtList+=e
return rtList
else:
return [P]
L=[[0,0],[1,0],[5,3],[1,1],[5,4],[2,2]] # e.g.
S=[]
while(L!=[]):
P=L.pop()
S.append(F(L,P))
print(S)
# Returns [[2, 2]], [[5, 4], [5, 3]], [[1, 1], [1, 0], [0, 0]] as expected
我期望按照介绍中的说明检索列表S
,它运行良好。但是,当我在更大的点列表(例如包含1M点)上使用此过程时,它会减慢处理速度,有时甚至达到递归限制。
因此,我希望更快地生成列表S
。
我认为你可以通过以下想法来提升绩效:
recursion limit
,你可以使用iteration
而不是recursion
query
中modify
和L
的性能,你可以将L
预处理成set
BFS
适用于此处。这是我的解决方案:
from collections import deque
L = [[0, 0], [1, 0], [5, 3], [1, 1], [5, 4], [2, 2]] # e.g.
# convert to set for query and modify performance, change list to immutable tuple.
L = set(map(tuple, L))
S = []
while L:
# start from a random point
start = L.pop()
queue, visited, cur_s = deque([start]), set([start]), [start]
while queue:
node = queue.popleft()
visited.add(node)
i, j = node
# find the 4-adjacent neighbors
for neighbor in (i + 1, j), (i - 1, j), (i, j + 1), (i, j - 1):
if neighbor in L and neighbor not in visited:
queue.append(neighbor)
cur_s.append(neighbor)
L.remove(neighbor)
S.append(cur_s)
print(S)
输出:
[[(5, 4), (5, 3)], [(0, 0), (1, 0), (1, 1)], [(2, 2)]]
希望对您有所帮助,并在您有其他问题时发表评论。 :)
当我寻找Quadtrees时,我从opencv中发现了一个有趣的函数。处理10.000点列表L
需要大约80ms。
connectedComponents(InputArray image, OutputArray labels, int connectivity=8, int ltype=CV_32S)