У меня есть набор 2d очков.Это координаты X, Y в стандартной декартовой сеточной системе.Кто-нибудь знает способ реализации (предпочтительно в Python) алгоритма, который изолирует каждую «область отверстия», чтобы найти наибольший диаметр для каждого отверстия.
Ниже приведен пример фактических наборов точек:
ОБНОВЛЕНИЕ:
Мне удалось выделить каждую область с фиксированным числом кластеров, но как я могу определитьколичество кластеров по количеству «площадей дыр»?
from sklearn.cluster import KMeans
import numpy as np
import ipyvolume.pylab as p
dat = xyz
xycoors = dat[:,0:2]
fit = KMeans(n_clusters=5).fit(xycoors)
clus_datas={i: xycoors[np.where(fit.labels_ == i)] for i in
range(fit.n_clusters)}
clus_1=clus_datas[0]
clus_2=clus_datas[1]
clus_3=clus_datas[2]
clus_4=clus_datas[3]
clus_5=clus_datas[4]
min_bloc=np.array(nuage)
fig = p.figure(width=1000)
fig.xlabel='x'
fig.ylabel='z'
fig.zlabel='y'
p.scatter(clus_1[:,1], clus_1[:,1]*0, clus_1[:,0], color="black", size=.1)
p.scatter(clus_2[:,1], clus_2[:,1]*0, clus_2[:,0], color="red", size=.1)
p.scatter(clus_3[:,1], clus_3[:,1]*0, clus_3[:,0], color="green", size=.1)
p.scatter(clus_4[:,1], clus_1[:,1]*0, clus_4[:,0], color="bleu", size=.1)
p.scatter(clus_5[:,1], clus_2[:,1]*0, clus_5[:,0], color="red", size=.1)
p.squarelim()
p.show()
Результаты: 