从 Freeman 链码生成图像矩阵答案

【问题标题】：Generate image matrix from Freeman chain code从 Freeman 链码生成图像矩阵
【发布时间】：2019-05-18 00:55:25
【问题描述】：

假设我有一个 8 向的 freeman 链码如下，在一个 python 列表中：

freeman_code = [3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 5]

方向定义如下：

我需要将其转换为可变维度的图像矩阵，其值为 1 和 0，其中 1 表示形状，例如：

image_matrix = [
[0, 0, 1, 0, 0, 1],
[0, 0, 0, 1, 0, 1],
[0, 0, 0, 0, 1, 1]
]

当然，以上并不是上述freeman代码的精确实现。 python 中是否有任何实现，或者 any 语言实现了这一点？我的想法（在python中）：使用默认为 0 的 defaultdicts 的 defaultdict：

ImgMatrixDict = defaultdict(lambda: defaultdict(lambda:0))

然后从一个中点开始，比如ImgMatrixDict[25][25]，然后在我遍历时根据 freeman 代码值将值更改为 1。之后我会将ImgMatrixDict 转换为列表列表。

这是一个可行的想法还是有任何现有的库或建议来实现它？任何想法/伪代码将不胜感激。

PS：在性能方面，是的，这并不重要，因为我不会实时执行此操作，但通常代码长度约为 15-20 个字符。我假设一个 50*50 的矩阵就足够了。

【问题讨论】：

你能准确定义你想使用的弗里曼定律吗？是8个方向的吗？一个完美匹配的例子会很棒，即使是一个很短的例子。你在意表演吗？
我在问题中添加了信息，谢谢:)

标签： python python-3.x data-mining pattern-mining

【解决方案1】：

如果我正确理解您的问题：

import numpy as np 
import matplotlib.pyplot as plt

freeman_code = [3, 3, 3, 6, 6, 4, 6, 7, 7, 0, 0, 6]
img = np.zeros((10,10))

x, y = 4, 4 
img[y][x] = 1
for direction in freeman_code:
    if direction in [1,2,3]:
        y -= 1
    if direction in [5,6,7]:
        y += 1
    if direction in  [3,4,5]:
        x -= 1
    if direction in [0,1,7]:
        x += 1

    img[y][x] = 1

plt.imshow(img, cmap='binary', vmin=0, vmax=1)
plt.show()

【讨论】：

【解决方案2】：

这是python中的一个解决方案。字典不适应这个问题，最好用list的list来模拟表格。

D = 10

# DY, DX
FREEMAN = [(0, 1), (-1, 1), (-1, 0), (-1, -1), (0, -1), (1, -1), (1, 0), (1, 1)]

freeman_code = [3, 3, 3, 3, 6, 6, 6, 6, 0, 0, 0, 0]
image = [[0]*D for x in range(D)]


y = D/2
x = D/2
image[y][x] = 1

for i in freeman_code:
    dy, dx = FREEMAN[i]
    y += dy
    x += dx
    image[y][x] = 1

print("freeman_code")
print(freeman_code)
print("image")
for line in image:
    strline = "".join([str(x) for x in line])
    print(strline)


>0000000000
>0100000000
>0110000000
>0101000000
>0100100000
>0111110000
>0000000000
>0000000000
>0000000000
>0000000000

请注意，图像创建是以下内容的浓缩表达：

image = []
for y in range(D):
    line = []
    for x in range(D):
        line.append(0)
    image.append(line)

如果有一天，您需要更好的性能来处理更大的图像，有使用 numpy 库的解决方案，但需要具备基本的 Python 知识。这是一个例子：

import numpy as np

D = 10

# DY, DX
FREEMAN = [(0, 1), (-1, 1), (-1, 0), (-1, -1), (0, -1), (1, -1), (1, 0), (1, 1)]
DX = np.array([1, 1, 0, -1, -1, -1, 0, 1]) 
DY = np.array([0, -1, -1, -1, 0, 1, 1, 1]) 

freeman_code = np.array([3, 3, 3, 3, 6, 6, 6, 6, 0, 0, 0, 0])
image = np.zeros((D, D), int)

y0 = D/2
x0 = D/2
image[y0, x0] = 1

dx = DX[freeman_code]
dy = DY[freeman_code]

xs = np.cumsum(dx)+x0
ys = np.cumsum(dy)+y0

print(xs)
print(ys)

image[ys, xs] = 1

print("freeman_code")
print(freeman_code)
print("image")
print(image)

这里，在之前的解决方案中使用“for”构建的所有循环都在 C 中快速处理。

【讨论】：