给定一个简单的二进制掩码（例如矩形的边界）。
如何使用多边形获取 x-y 坐标？
这是我迄今为止尝试过的：
coords = np.transpose(np.nonzero(mask))
但是，这种方法会生成一个填充的对象，而不是所需的边界。
plt.plot(coords[:, 1], coords[:,0])
基本上，我想要一个白色像素的 x-y 坐标列表，以使用该列表重新绘制矩形（未填充）。
【问题讨论】：
标签： python numpy coordinates polygon mask
您可以使用np.column_stack() + np.where()。这个想法是确定二进制图像中的白色像素，然后按相应的(x, y) 顺序进行排序
coords = np.column_stack(np.where(image > 0))
另一种方法是使用 OpenCV 的cv2.boundingRect() 查找边界矩形的坐标。这将为您提供宽度、高度和左上角(x,y) 坐标。这是一个找到坐标然后将多边形绘制到空白蒙版上的示例
import cv2
import numpy as np
image = cv2.imread('1.png', 0)
x,y,w,h = cv2.boundingRect(image)
mask = np.ones(image.shape, dtype=np.uint8) * 255
mask = cv2.merge([mask,mask,mask])
cv2.rectangle(mask, (x, y), (x + w, y + h), (36,255,12), 2)
cv2.imshow('mask', mask)
cv2.waitKey()
【讨论】：
您可以将正方形视为对象并使用skimage.measure.regionprops 函数访问其属性。
我强烈建议您查看文档，因为它在许多情况下非常有用：
https://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops
此外，还有skimage.measure.regionprops_table，它为您提供了一个字典，可以将其转换为 pandas 数据框。
这是我的解决方案：
from skimage.io import imread
from skimage.measure import regionprops_table
from pandas import DataFrame
import numpy as np
import matplotlib.pyplot as plt
rectangle = imread('rectangle_img.png')
props_rect = DataFrame(regionprops_table(rectangle, properties=['coords']))
new_img = np.zeros((rectangle.shape[0], rectangle.shape[1]))
for point in props_rect['coords'][0]:
new_img[point[0], point[1]] = 1
plt.imshow(new_img)
【讨论】：
使用cv2.findContours 既适用于复杂的形状，也适用于多个对象。 Polygons 列表包含 coords 列表，每个列表看起来像这样 [x1, y1, x2, y2, x3, y3, ...]。
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
polygons = []
for object in contours:
coords = []
for point in object:
coords.append(int(point[0][0]))
coords.append(int(point[0][1]))
polygons.append(coords)
【讨论】：