如何优化凸包绘制？

Question

我正在尝试根据某些输入图像（下面的第二个图像）中的覆盖区域（参见下面的第一个图像）来存档绘制凸包点。对于此操作，我正在执行以下操作：

1. 在第一张图片中找到轮廓。
2. 在第二张图片中找到轮廓。
3. 对于第一张图像中的每个轮廓区域，与第二张图像中的所有轮廓进行比较，并检查它们是否在第一张图像的轮廓内。如果在轮廓区域内，则将轮廓的x, y 坐标附加到列表中。
4. 在列表中绘制凸包点。

我的问题是第 3 步花费了太多时间，因为比较了第二张图像中的每个轮廓。有没有办法优化这段代码？

for coverContour in coverContours:
    try:
        points_ = []
        for pointsContour in pointsContours:

            ((x, y), r) = cv2.minEnclosingCircle(pointsContour)

            if (cv2.pointPolygonTest(coverContour, (int(x), int(y)), False)) == 1:
                point_list.append((int(x), int(y)))
                points_.append(Point(int(x), int(y)))

        draw_point = Point.convex_hull(points_, len(points_))
        for x in range(len(draw_point)-1):
            cv2.line(layer, (points_[draw_point[x]].x, points_[draw_point[x]].y),
                     (points_[draw_point[x+1]].x, points_[draw_point[x+1]].y), (255, 255, 255), line_thickness)

        cv2.line(layer, (points_[draw_point[len(draw_point)-1]].x, points_[draw_point[len(draw_point)-1]].y),
                 (points_[draw_point[0]].x, points_[draw_point[0]].y), (255, 255, 255), line_thickness)
    except:
        print('')

封面图片：

输入图片：

最终图像：

Answer 1

我没有测试你的代码，因为它缺少开箱即用的部分，所以我不知道如何量化在这里花费太多时间。下面提到的方法在我的机器上大约需要 50 毫秒（i7 3.60 GHz，32 GB RAM）。如果值得，请继续阅读。 ;-)

这将是我的最终输出：

1. 从第一张图片中找出所有“斑点”轮廓。
2. 迭代“斑点”轮廓，并在单独的黑色背景上绘制每个轮廓，参见。 cv2.drawContours。
3. 按位并（相交）此图像与第二张图像中的“细节”。
4. 找到该交点内的所有“细节”轮廓。
5. 只需连接“细节”轮廓中的所有坐标，然后调用cv2.convexHull。
6. 在某些输出图像上绘制凸包。

这就是完整的代码：

import cv2
import numpy as np

# Read input images
blobs = cv2.imread('6Sh0t.png', cv2.IMREAD_GRAYSCALE)
details = cv2.imread('RdKkN.png', cv2.IMREAD_GRAYSCALE)

# Find blob contours w.r.t. the OpenCV version
cnt_blobs = cv2.findContours(blobs, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cnt_blobs = cnt_blobs[0] if len(cnt_blobs) == 2 else cnt_blobs[1]

# Prepare output image
output = np.zeros_like(blobs)

# Iterate all blob contours
for cnt in cnt_blobs:

    # Draw blob contour on empty, black background
    tmp = np.zeros_like(blobs)
    tmp = cv2.drawContours(tmp, [cnt], -1, 255, cv2.FILLED)

    # Bitwise and (intersection) blob contour with details
    tmp = cv2.bitwise_and(tmp, details)

    # Find details contours within intersection w.r.t. the OpenCV version
    cnts = cv2.findContours(tmp, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    cnts = cnts[0] if len(cnts) == 2 else cnts[1]

    # Concatenate all coordinates, and get convex hull
    cnts = np.concatenate(cnts, axis=0)
    cnts = cv2.convexHull(cnts)

    # Draw in output
    output = cv2.drawContours(output, [cnts], -1, 128, 3)

# Output
cv2.imshow('Output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

----------------------------------------
System information
----------------------------------------
Platform:      Windows-10-10.0.16299-SP0
Python:        3.8.5
NumPy:         1.19.5
OpenCV:        4.5.1
----------------------------------------