Python - イメージ内のオブジェクトの中心を見つけよう

Question

イメージファイルに白い背景と非白色のオブジェクトがあります。 python（ピロー）を使ってオブジェクトの中心を探したいと思います。

私はC言語で同様の質問を見られない++が、何の許容答えている - 私も、このページを読んで、それは私に与えるものではありませんWhat is the fastest way to find the center of an irregularly shaped polygon? (broken links in answer)

からHow can I find center of object?

同様の質問が、答えで壊れたリンクを持ちます

編集： 私は、現在のソリューション - 便利なレシピhttps://en.wikipedia.org/wiki/Smallest-circle_problem

ここでは例の画像です使用してはこれです：

def find_center(image_file): 
    img = Image.open(image_file) 
    img_mtx = img.load() 
    top = bottom = 0 
    first_row = True 
    # First we find the top and bottom border of the object 
    for row in range(img.size[0]): 
     for col in range(img.size[1]): 
      if img_mtx[row, col][0:3] != (255, 255, 255): 
       bottom = row 
       if first_row: 
        top = row 
        first_row = False 
    middle_row = (top + bottom)/2 # Calculate the middle row of the object 

    left = right = 0 
    first_col = True 
    # Scan through the middle row and find the left and right border 
    for col in range(img.size[1]): 
     if img_mtx[middle_row, col][0:3] != (255, 255, 255): 
      left = col 
      if first_col: 
       right = col 
       first_col = False 
    middle_col = (left + right)/2 # Calculate the middle col of the object 

    return (middle_row, middle_col) 

Answer 1

私がしようとすると、オブジェクト上の最も遠い「ポイント」で三角形の一点で、その周りに三角形を描画する方法を見つけるし、その三角形の中心を見つけるだろう。

Answer 2

CenterをMass of Centerとして定義すると、CoMが形状外になることはありますが、難しくありません。画像は2D分布として解釈でき、積分（総和）を使用して期待値（CoM）を見つけることができます。

numpyをお持ちの場合は、非常に簡単です。最初に、画像が非白色である1を含む数値配列を作成し、それを確率分布にして、それを1の総数で割ります。

from PIL import Image 
import numpy as np 

im = Image.open('image.bmp') 
immat = im.load() 
(X, Y) = im.size 
m = np.zeros((X, Y)) 

for x in range(X): 
    for y in range(Y): 
     m[x, y] = immat[(x, y)] != (255, 255, 255) 
m = m/np.sum(np.sum(m)) 

これ以降、基本的な確率理論に変わります。あなたは限界配分を見つけて、それが離散確率分布であるかのように期待値を計算します。

# marginal distributions 
dx = np.sum(m, 1) 
dy = np.sum(m, 0) 

# expected values 
cx = np.sum(dx * np.arange(X)) 
cy = np.sum(dy * np.arange(Y)) 

(cx, cy)は、お探しのCoMです。

備考：

• あなたがnumpyのを持っていない場合、あなたはまだそれを行うことができます。あなたがループ/補完によって集計をしなければならないのでちょっと面倒です。
• このメソッドは、色に基づいて '質量'を割り当てる場合には、簡単に拡張できます。 m[x, y] = immat[(x, y)] != (255, 255, 255)をm[x, y] = f(immat[(x, y)])に変更するだけで、fは任意の（負ではない）機能です。
• あなたは二重のループを回避したい場合、あなたは私たちにnp.asarray(im)をすることができますが、その後、

ないループを指標には注意してください：の

m = np.sum(np.asarray(im), -1) < 255*3 
m = m/np.sum(np.sum(m)) 

dx = np.sum(m, 0) # there is a 0 here instead of the 1 
dy = np.sum(m, 1) # as np.asarray switches the axes, because 
        # in matrices the vertical axis is the main 
        # one, while in images the horizontal one is 
        # the first