Как найти фигуру внутри двумерного массива Numpy, имеющего контур?

Question

У меня есть контур фигуры cnt, мне нужно найти его внутри 2D-массива, у меня есть переменная target_index, она используется для нахождения требуемой зоны, но мне нужно найти в ней контур cnt.

import numpy as np

x = np.linspace(0,1000, int(1000/50))
y = np.linspace(0,1000, int(1000/50))
X,Y = np.meshgrid(x,y)

source =  np.column_stack([X.ravel(), Y.ravel()]).astype(int)
destination = source.copy()

cnt = [[550,  42],     
       [600,  42],
       [690, 273],
       [640, 273]]

# Need to use cnt here
target_index = np.where(np.logical_and(destination[:,1]==789,destination[:,0]>=421))

destination[target_index]
scope = destination[target_index] 
scope[:,0] = scope[:,0] + 10
destination[target_index] = scope
destination[target_index]


# Remap
grid_x, grid_y = np.mgrid[0:800, 0:800]
grid_z = griddata(source, destination, (grid_x, grid_y), method='cubic')
map_x = np.append([], [ar[:,1] for ar in grid_z]).reshape(800,800).astype('float32')
map_y = np.append([], [ar[:,0] for ar in grid_z]).reshape(800,800).astype('float32')
warped_image = cv2.remap(img, map_x, map_y, cv2.INTER_CUBIC)

cv2.drawContours(warped_image,[cnt],0,(0,0,0),2)

Можно использовать и другие методы, но предпочтительным является np.where.

Answer 1

Судя по вашим вопросам, вы подаете заявку на деформацию тела, так как для меня этот вариант наиболее удобен, так как вы можете создать любые контуры для вас.

    # Left hand contour
    pt1 = (int_12, int_13)
    pt2 = (int_17, int_16)
    pt3 = (int_18, int_19)
    pt4 = (int_14, int_15)
    lh_cnt = np.array([pt1, pt2, pt3, pt4])

    offset = int(hand_lenght / 28)

    for x in destination:
        inside_lh = cv2.pointPolygonTest(lh_cnt, (x[0], x[1]), False)
        elif inside_lh > 0:
            x[0] = x[0] - offset

    # Warping
    grid_x, grid_y = np.mgrid[0:self.width, 0:self.height]
    grid_z = griddata(source, destination, (grid_x, grid_y), method='cubic')
    map_x = np.append([], [ar[:,0] for ar in grid_z]).reshape(self.width, self.height).astype('float32')
    map_y = np.append([], [ar[:,1] for ar in grid_z]).reshape(self.width, self.height).astype('float32')
    warped_image = cv2.transpose(cv2.remap(img, map_x, map_y, cv2.INTER_LANCZOS4))

Answer 2

Если вы не ограничите себя определенными полигонами, я думаю, что будет очень трудно использовать np.where для этого.

Вот как использовать matplotlib Path объект для решенияпроблема (адаптация это решение ):

import numpy as np
from matplotlib.path import Path

x = np.linspace(0,1000, int(1000/50))
y = np.linspace(0,1000, int(1000/50))
X,Y = np.meshgrid(x,y)
source =  np.column_stack([X.ravel(), Y.ravel()]).astype(int)

cnt = [[550,  42],     
       [600,  42],
       [690, 273],
       [640, 273]]

p = Path(cnt)
grid = p.contains_points(source)
mask = grid.reshape(20, 20)

Затем посмотрите на результат:

import matplotlib.pyplot as plt
plt.imshow(mask)

Что дает:

Используйте больше очков в linspace, чтобы получить результат с более высоким разрешением.