Sortieren 2d Kalibriermuster Punkte mit numpy

Question

Ich habe eine n: 2 Matrix mit Punkten (x, y) von Punkten in einem rechteckigen Kalibriermuster gefunden. Ich sortiere diese Punkte Zeile für Zeile. Ich habe diese Punkte mit lexsort sortiert, aber die Verzerrung von der Kamera ist zu groß, so dass y-Koordinaten überlappen werden.

imageloading... 
blobs=imageprocessing.... 
coordinates=np.array([blob.centroid() for blob in blobs]) 
nd=np.lexsort((coordinates[:,0],coordinates[:,1])) 
coordinates=coordinates[ind] 

Gibt es eine Möglichkeit, dies zu sortieren mit Hilfe eines delaunay Muster lange die Reihen gehen?

import matplotlib.tri as tri 
x=coordinates[:,0] y=coordinates[:,1] 
triang = tri.Triangulation(x, y) 

Answer 1

Triangulation ist in der Tat interessant, und für Sie Anwendung verwendet werden:

import numpy as np 
import matplotlib.tri as tri 
import matplotlib.pyplot as plt 
import random 

# create fake data 
x,y = np.meshgrid(np.arange(10), np.arange(10)) 
x = x.flatten() 
y = y.flatten() 
coordinates = np.column_stack([x,y])+0.04 * np.random.rand(len(x), 2) 
np.random.shuffle(coordinates) 
x=coordinates[:,0] 
y=coordinates[:,1] 

# perform triangulation 
triang=tri.Triangulation(x,y) 
f = plt.figure(0) 
ax = plt.axes() 
tri.triplot(ax,triang) 

# find horizontal edges 
f = plt.figure(1) 
e_start = coordinates[triang.edges[:,0]] 
e_end = coordinates[triang.edges[:,1]] 
e_diff = e_end - e_start 
e_x = e_diff[:,0] 
e_y = e_diff[:,1] 

e_len = np.sqrt(e_x**2+e_y**2) 
alpha = 180*np.arcsin(e_y/e_len)/np.pi 

hist, bins, patches = plt.hist(alpha, bins=20) 

# in the histogram, we find that the 'horizontal' lines 
# have an alpha < 10. 

ind_horizontal = (-10<alpha) & (alpha < 10) 
edges_horizontal = triang.edges[ind_horizontal] 
plt.show() 

Als Ergebnis Sie die horizontalen Kanten in edges_horizontal erhalten, die ein 2D-Array ist [[p_{0},p_{1}], ..., [p_{n}, p_{n+1}]], wobei p_i Indizes in das coordinates Array sind.