ImagePy_Learn | 图形学绘制代码学习：core\draw\polygonfill.py

最近在学图形学绘制，想到了ImagePy框架的ROI涂抹交互很方便，于是啃起了绘制代码。

这里主要对ImagePy中一个填充工具进行难点讲解。

让我们好好学习Python中的图形学绘制吧。

例子代码来源：

​​

​​

# -*- coding: utf-8 -*-
"""
Created on Mon Nov 14 17:40:41 2016
@author: yxl
"""
from __future__ import absolute_import
import numpy as np

def f(p1,p2,y):
    if abs(p1[1]-y) > abs(p2[1]-y):p1,p2 = p2,p1
    k =1.0* (p1[1]-y)/(y-p2[1])
    return round((p1[0]+k*p2[0])/(1+k),4)

def scan(polys, idx, ys, st, y, cur, buf):
    while cur<len(idx) and ys[st[cur]]<=y:
        c = idx[st[cur]]
        poly = polys[c[0]]
        for i in (c[0], (c[1]-1)%len(poly)), tuple(c):
            if i in buf:buf.remove(i)
            else: buf.append(i)
        cur += 1
    return cur

def roots(polys, buf, y):
    rs = []
    for i in buf:
        poly = polys[i[0]]
        i1,i2 = i, (i[0],(i[1]+1)%len(poly))
        rs.append(f(poly[i1[1]], poly[i2[1]],y))
    return np.sort(rs)

def fill(plgs, img, color = 1, o=(0,0)):
    polys = [np.array(plg[:-1])-0.5 for plg in plgs]
    shape = img.shape[:2]
    ys = []
    for i in range(len(polys)):
        for j in range(len(polys[i])):
            ys.append((i,j,polys[i][j][1]))
    ys = np.array(ys)
    st = np.argsort(ys[:,2])
    buf, rst, cur = [], [], 0
    bot,top = np.clip([int(ys[:,2].min()-1),int(ys[:,2].max()+2)], 0, shape[0])
    idx = ys[:,:2].astype(np.int16)
    for y in range(bot, top):
        cur = scan(polys, idx, ys[:,2], st, y, cur, buf)

        rs = roots(polys, buf, y)
        for i in zip(rs[::2],rs[1::2]):
            x1, x2 = int(np.ceil(i[0])), int(np.floor(i[1])+2)
            x1, x2 = max(x1,0), min(x2, shape[1])
            if x1 >= shape[1] or x2 < 0: continue
            #rst.extend([(x,y) for x in range(max(x1,o[0]), min(x2, shape[2]))])
            img[y,x1:x2] = color

    return np.array(rst).T

if __name__ == '__main__':
    import matplotlib.pyplot as plt
    from time import time
    # pg.shape = (1,4,2)
    pg = np.array([[(-300,-100),(1100,100),(400,1300),(100,100)]])
    # img.shape = (1000, 500)
    img = np.zeros((1000, 500))
    a = time()
    rc= fill(pg, img)
    print(time() - a)
    plt.imshow(img, interpolation='nearest',cmap='gray')
    plt.show()
    print("Done!")

疑问：

for i in range(len(polys)): for j in range(len(polys[i])): ys.append((i,j,polys[i][j][1])) ys = np.array(ys)

转换成一维数组还是转换成适合pandas处理的数据结构？

polys[i][j][1])代表什么？

cur = scan(polys, idx, ys[:,2], st, y, cur, buf)

一列扫描吗？

​​ImagePy_Learn​​学习系列

​​土盐：ImagePy_Learn | 图形学绘制代码学习：core\draw\fill.py​​

​​土盐：ImagePy_Learn | 图形学绘制代码学习：paint.py​​

详解如下：

round((p1[0]+k*p2[0])/(1+k),4)

​

np.sort(rs)

​

plg[:-1]

X[:,0]是numpy中数组的一种写法，表示对一个二维数组，取该二维数组第一维中的所有数据，第二维中取第0个数据，直观来说，X[:,0]就是取所有行的第0个数据, X[:,-1] 就是取所有行的最后一个数据。

import numpy as np

a=np.random.rand(5)

print(a)

[ 0.64061262 0.8451399 0.965673 0.89256687 0.48518743]

print(a[-1]) ###取最后一个元素

[0.48518743]

print(a[:-1]) ### 除了最后一个取全部

[ 0.64061262 0.8451399 0.965673 0.89256687]

print(a[::-1]) ### 取从后向前（相反）的元素

[ 0.48518743 0.89256687 0.965673 0.8451399 0.64061262]

print(a[2::-1]) ### 取从下标为2的元素翻转读取

[ 0.965673 0.8451399 0.64061262]

​

img.shape[:2]

img.shape[:2] 取彩色图片的高、宽，如果img.shape[:3] 取彩色图片的高、宽、通道

1：一般的数组如：【22，33】 shape是（2，）：他表示他是一个一维数组，数组中有两个元素；注意他和shape（2，1）的区别，他两个不一样。

2：[[22],[33]] 他的shape是(2,1),表示二维数组，每行有一个元素

3：[[22,33]] shape是（1，2） 他表示一个二维数组，每行有两个元素

image.shape[0], 图片垂直尺寸 image.shape[1], 图片水平尺寸 image.shape[2], 图片通道数

​

st = np.argsort(ys[:,2])

numpy.argsort(a, axis=-1, kind=’quicksort’, order=None)

功能: 将矩阵a按照axis排序，并返回排序后的下标

参数: a:输入矩阵， axis:需要排序的维度

返回值: 输出排序后的下标

bot,top = np.clip([int(ys[:,2].min()-1),int(ys[:,2].max()+2)], 0, shape[0])

将[int(ys[:,2].min()-1),int(ys[:,2].max()+2)]范围外的数强制转化为[0, shape[0]]范围内的数

• • 
    
• def clip(a, a_min, a_max, out=None): 将数组a中的所有数限定到范围a_min和a_max中，即az中所有比a_min小的数都会强制变为a_min，a中所有比a_max大的数都会强制变为a_max.
  
• 其中a_min和a_max可以为一个和a一样大小的数组(列表也可以，只要是类似数组的结构就是可行的),则数组中相应位置的元素进行比较。
  
• out 是可选项，表示把强制截取后的结果放到这个数组中，但是out中的数组必须和a形状一样
  
  • 
    

参考原文链接：​​np.clip截取函数 - cloud&ken​​

​​python中numpy模块下的np.clip()的用法 - IT届的小学生​​

idx = ys[:,:2].astype(np.int16)

使用方法：

• • 
    
• df.astype('数据类型') #改变整个df的数据类型
  
• df['列名'].astype('数据类型') #仅改变某一列的数据类型
  
  • 
    

num=num.astype('str')#将整个dataframe都转换为str类型

参考原文链接：​​python强制类型转换astype - weixin_42036641的博客​​

ys.append((i,j,polys[i][j][1]))

numpy.append(arr, values, axis=None):

简答来说，就是arr和values会重新组合成一个新的数组，做为返回值。而axis是一个可选的值

当axis无定义时，是横向加成，返回总是为一维数组！

Examples -------- >>> np.append([1, 2, 3], [[4, 5, 6], [7, 8, 9]]) array([1, 2, 3, 4, 5, 6, 7, 8, 9])

numpu.append(arr,values,axis=None)

将values插入到目标arr的最后。

注意，这里values跟arr应该为相同维度的向量

参考原文链接：​​numpy的numpy.delete()/insert()/append()函数 - 开贰锤​​

​

ys = np.array(ys)

参考原文链接：​​python中数组（numpy.array）的基本操作 - fu6543210的博客

np.array(rst).T

转置函数.T，将原shape为（n，m）的数组转置为（m，n），一维数组转置不变

参考原文链接：​​python数据分析(3)--numpy数组形状转换.T/.reshape()/.resize() - weixin_42695959的博客博客​​

rst.extend([(x,y) for x in range(max(x1,o[0]), min(x2, shape[2]))])

1. 列表可包含任何数据类型的元素，单个列表中的元素无须全为同一类型。

2. append() 方法向列表的尾部添加一个新的元素。只接受一个参数。

3. extend()方法只接受一个列表作为参数，并将该参数的每个元素都添加到原有的列表中。

数组拼接方法一

思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。

示例1：

>>> import numpy as np

>>> a=np.array([1,2,5])

>>> b=np.array([10,12,15])

>>> a_list=list(a)

>>> b_list=list(b)

>>> a_list.extend(b_list)

>>> a_list

[1, 2, 5, 10, 12, 15]

>>> a=np.array(a_list)

>>> a

array([ 1, 2, 5, 10, 12, 15])

该方法只适用于简单的一维数组拼接，由于转换过程很耗时间，对于大量数据的拼接一般不建议使用。

参考原文链接：​​numpy数组拼接方法介绍 - zyl1042635242的专栏 ​​

​​python中的append的用法 - m0_37870649的博客​​

for i in zip(rs[::2],rs[1::2])

参考原文链接:​​Python​​ zip() 函数 | 菜鸟教程