将问题表示为线性不等式组,并将其作为线性规划问题求解,如下所述:Solve a system of linear equations and linear inequalities。在您的情况下,不等式的形式为(x - ox[i])*sin(a[i]) - (y - oy[i])*cos(a[i]) > 0或(x - ox[i])*sin(a[i]) - (y - oy[i])*cos(a[i]) < 0,具体取决于您如何定义第i条线的角度a[i],以及该线的哪一侧放置多边形(ox[i], oy[i])是第i个顶点的坐标。如果不等式严格与否,则取决于如何处理多边形与顶点或边接触的边界情况。这是一个很好的、易于推广的方法,但它可能很慢
from PIL import Image, ImageChops, ImageDraw
# Set up image
w, h = (400, 300)
img = Image.new('RGB', (w, h), (255, 255, 255))
draw_img = ImageDraw.Draw(img)
# Set up colors
colors = {
'Red': (0, 0, 255),
'Blue': (255, 0, 0)
}
# Set up lines per color, first element is the point in common
lines = {
'Red': [((200, 150), (380, 0)), ((200, 150), (200, 0))],
'Blue': [((100, 100), (399, 100)), ((100, 100), (300, 0))]
}
# Set up masks per color
masks = {
'Red': Image.new('L', (w, h), 0),
'Blue': Image.new('L', (w, h), 0)
}
# For each color...
for c in ['Red', 'Blue']:
draw_mask = ImageDraw.Draw(masks[c])
for line in lines[c]:
# ... draw colored line in image, ...
draw_img.line(line, colors[c], 2)
# ... draw white line in mask, ...
draw_mask.line(line, 255, 1)
# ... find mid point between both end points, and ...
mid = (int(sum([line[1][0] for line in lines[c]]) / len(lines[c])),
int(sum([line[1][1] for line in lines[c]]) / len(lines[c])))
# ... flood fill mask with the mid point as seed point
ImageDraw.floodfill(masks[c], mid, 255)
# Logical and all masks, and check for at least one pixel overlap
inter = ImageChops.multiply(masks['Red'], masks['Blue'])
print('Is intersection: ', inter.getextrema()[1] > 0)
# Outputs
img.show()
masks['Red'].show()
masks['Blue'].show()
inter.show()
输出与OpenCV版本相同
----------------------------------------
System information
----------------------------------------
Platform: Windows-10-10.0.16299-SP0
Python: 3.9.1
PyCharm: 2021.1
Pillow: 8.2.0
----------------------------------------
解决这个问题主要有两种方法:
一,。线性规划
将问题表示为线性不等式组,并将其作为线性规划问题求解,如下所述:Solve a system of linear equations and linear inequalities。在您的情况下,不等式的形式为
(x - ox[i])*sin(a[i]) - (y - oy[i])*cos(a[i]) > 0
或(x - ox[i])*sin(a[i]) - (y - oy[i])*cos(a[i]) < 0
,具体取决于您如何定义第i条线的角度a[i]
,以及该线的哪一侧放置多边形(ox[i], oy[i])
是第i个顶点的坐标。如果不等式严格与否,则取决于如何处理多边形与顶点或边接触的边界情况。这是一个很好的、易于推广的方法,但它可能很慢二,。交叉测试
在一般情况下(没有顶点和边重合),有4种可能性:(1)一些边相交;(2) 多边形1在多边形2内;(3) 多边形2在多边形1内;(4) 多边形不相交。您需要测试前3个案例
对于案例1,您需要实现此处所述的线段相交测试How can I check if two segments intersect?,并尝试将多边形1的每条边与多边形2的每条边相交,这在您的案例中不是问题,因为最多会有
2*2 = 4
测试。如果检测到至少一个交叉口,则完成对于情况2和3,需要测试多边形1的顶点是否在多边形2内,反之亦然。这可以使用How can I check if two segments intersect?中描述的相同测试
IsOnLeft
和IsOnRight
来完成:如果一个点位于右线的左侧,而在左线的右侧,则该点位于内部在任何情况下,都应该特别注意退化和边界情况:如果多边形的边重合,或者一个多边形的顶点位于另一个多边形的边上,或者不同多边形的边重合,该怎么办。根据您的特殊目的,您可能会以不同的方式检测和处理此类病例
这里有一个枕头版本的my answer using OpenCV and NumPy,包含了相同的想法。然而,此版本仅限于两种颜色。添加更多颜色(或多边形)需要额外的工作(基本上是一些循环)
输出与OpenCV版本相同
概念
一种简单的检测图像中是否存在形状交叉点的方法,假设每个形状必须是不同的颜色,您可以为每种颜色定义一个遮罩,并且在图像的颜色都被遮罩(形状除外)的情况下,检测为形状轮廓找到的轮廓量
如果发现多个轮廓(大于过滤噪声的指定量的区域),这意味着另一个形状的轮廓与该形状的轮廓相交,在其轮廓中留下间隙,从而产生多个轮廓
代码
输出
解释
count
,以存储到目前为止发现的面积大于50
的等高线数量。如果count
变量达到2
,我们将知道至少找到了一个交点,这足以确认图像中存在交点:相关问题 更多 >
编程相关推荐