如何从 Python 中的二维点云在方形网格上创建二进制掩码？

Question

我有一个二维点云的 X 和 Y 坐标，我想将其映射到一个二维均匀网格上，分辨率为 imageResolution，最初全为零。我希望网格中覆盖二维点云的所有像素都包含一个像素，以生成二值图像。

请注意，在我的二维点云和统一网格中都有大量的点，因此循环在这里不是一个有效的解决方案。

我看过凸包，但我的点不一定在凸集中。

我已经尝试过以下代码，但它没有给我正确的二进制地图，因为它只将 1 分配给最接近点云中的点的最近网格点（见下图）：

X = points[:,0] #1D array of X coordinates
Y = points[:,1] #1D array of Y coordinates

imageResolution = 256
xVec = np.linspace(0,800,imageResolution)
yVec = xVec

def find_index(x,y):
    xi=np.searchsorted(xVec,x)
    yi=np.searchsorted(yVec,y)
    return xi,yi

xIndex, yIndex = find_index(X,Y)

binaryMap = np.zeros((imageResolution,imageResolution))

binaryMap[xIndex,yIndex] = 1

fig = plt.figure(1)
plt.imshow(binaryMap, cmap='jet')
plt.colorbar()

请看这张图片，它显示了我的二维点云、我想要的所需二进制映射以及我从上面的代码中获得的当前二进制映射。请注意，最后一张图片中的红色像素很难看到。

如何在 Python 中从二维点云在方形网格上创建二进制掩码？

谢谢

Answer 1

免责声明 :: 未经测试的建议

如果我理解正确，而不是用1 标记单个像素，您应该标记像素邻域。

您可以尝试在 binaryMap[xIndex,yIndex] = 1 之前插入以下行：

DELTA_UPPER=2                                # Param. Needs fine-tuning
delta = np.arange(DELTA_UPPER).reshape(-1,1)
xIndex = xIndex + delta
xIndex [xIndex >= imageResolution] = imageResolution-1
yIndex = yIndex + delta
yIndex [yIndex >= imageResolution] = imageResolution-1

x_many, y_many = np.broadcast_arrays (xIndex[:,None], yIndex)

xIndex = x_many.reshape(-1)
yIndex = y_many.reshape(-1)

注意：

DELTA_UPPER 是一个参数，您必须通过使用来进行微调。 （可能以DELTA_UPPER=3开头）

Answer 2

未经测试的代码

鉴于points 包含浮点数，基于进一步澄清，发布第二个答案以更好地索引binaryMap。

imageResoluton = 256
MAX_X = # Fill in here the max x value ever possible in `points`
MIN_X = # Fill in here the min x value ever possible in `points`
MAX_Y = # Fill in here the max y value ever possible in `points`
MIN_Y = # Fill in here the min y value ever possible in `points`

SCALE_FAC = imageResolution / max(MAX_X-MIN_X, MAX_Y-MIN_Y)

X = np.around(SCALE_FAC * points[:,0]).astype(np.int64)
Y = np.around(SCALE_FAC * points[:,1]).astype(np.int64)
X [X >= imageResolution] = imageResolution-1
Y [Y >= imageResolution] = imageResolution-1

binaryMap[X, Y] = 1

（不需要find_index()）