1

0 と 1 で構成される配列を取得しました。画像に示すように、1 は連続したクラスターを形成します。

クラスタリング

クラスタの数は事前にわかりません。

すべてのクラスターの位置を含むリスト、またはすべてのメンバーの位置を含む各クラスターのリストを作成する方法はありますか? 例えば：

cluster_list = continuous_cluster_finder(data_array)
cluster_list[0] = [(pixel1_x, pixel1_y), (pixel2_x, pixel2_y),...]
4

2 に答える 2

2

説明からは、問題の正確な制約が何であるかは明確ではありません。左、右、上、下のゼロでクラスターを区別できると仮定すると、次の問題が解決します...

#!/usr/bin/env python

data = [ #top-left
         [0,0,1,1,0,0],
         [0,0,1,1,0,0],
         [1,1,0,0,1,1],
         [1,1,0,0,1,1],
         [0,0,1,1,0,0],
         [0,0,1,1,0,0],
         [1,1,0,0,1,1],
         [1,1,0,0,1,1],
       ]             # bottom-right

d = {} # point --> clid
dcl = {} # clid --> [point1,point2,...]

def process_point(t):
    global clid # cluster id
    val = data[t[0]][t[1]]
    above = (t[0]-1, t[1])
    abovevalid = 0 <= above[0] < maxX and 0 <= above[1] < maxY
    #below = (t[0]+1, t[1]) # We do not need that because we scan from top-left to bottom-right
    left = (t[0], t[1]-1)
    leftvalid = 0 <= left[0] < maxX and 0 <= left[1] < maxY
    #right = (t[0], t[1]+1) # We do not need that because we scan from top-left to bottom-right

    if not val: # for zero return
        return
    if left in d and above in d and d[above] != d[left]:
        # left and above on different clusters, merge them
        prevclid = d[left]
        dcl[d[above]].extend(dcl[prevclid]) # update dcl
        for l in dcl[d[left]]:
            d[l] = d[above] # update d
        del dcl[prevclid]
        dcl[d[above]].append(t)
        d[t] = d[above]
    elif above in d and abovevalid:
        dcl[d[above]].append(t)
        d[t] = d[above]
    elif left in d and leftvalid:
        dcl[d[left]].append(t)
        d[t] = d[left]
    else: # First saw this one 
        dcl[clid] = [t]
        d[t] = clid
        clid += 1

def print_output():
    for k in dcl: # Print output
        print k, dcl[k]

def main():
    global clid
    global maxX
    global maxY
    maxX = len(data)
    maxY = len(data[0])
    clid = 0
    for i in xrange(maxX):
        for j in xrange(maxY):
            process_point((i,j))
    print_output()

if __name__ == "__main__":
    main()

それは印刷します...

0 [(0, 2), (0, 3), (1, 2), (1, 3)]
1 [(2, 0), (2, 1), (3, 0), (3, 1)]
2 [(2, 4), (2, 5), (3, 4), (3, 5)]
3 [(4, 2), (4, 3), (5, 2), (5, 3)]
4 [(6, 0), (6, 1), (7, 0), (7, 1)]
5 [(6, 4), (6, 5), (7, 4), (7, 5)]
于 2012-12-12T04:17:55.427 に答える
1

画像処理で同じ色の領域を分離するために使用される、よく知られた「ブロブ」検出アルゴリズムを見ることができます。また、島を見つけて訪問済みとしてマークすることで、独自のフレーバーを作成することもできます (最初はすべて未訪問ですが)。すべての接続された (3x3 グリッドでは、中央のピクセルが 8 つの接続性として) 訪問されたピクセルが 1 つの領域を形成します。マップ内でそのような地域をすべて見つける必要があります。

ブロブの検出は、探す必要があるものです。

于 2012-12-12T03:22:11.367 に答える