找到像素区域质心的更快方法

Question

对于一个游戏，我制作了一个由像素组成的区域地图，每个区域都有不同的颜色。从那里，我想在每个地区添加名字。出于视觉目的，我想将名称放在该区域的质心上。因此，我使用 PIL 将图像转换为单个大矩阵。我建立了一个类来记录每个区域的质心数据，并收集在字典中。然后，我遍历像素来处理质心。这种方法非常慢，对于 2400 x 1100 的地图大约需要一分钟。territory_map = numpy.array([    [0, 0, 0, 1, 0, 0, 0],    [0, 2, 2, 1, 0, 0, 0],    [2, 2, 1, 1, 3, 3, 3],    [2, 0, 0, 1, 3, 0, 0],])centroid_data = {}class CentroidRecord(object):    def __init__(self, x, y):        super(CentroidRecord, self).__init__()        self.x = float(x)        self.y = float(y)        self.volume = 1    def add_mass(self, x, y):        #           new_x = (old_x * old_volume + x) / (old_volume + 1),        # therefore new_x = old_x + (x - old_x) / v,        # for v = volume + 1.        self.volume += 1        self.x += (x - self.x) / self.volume        self.y += (y - self.y) / self.volumefor y in range(territory_map.shape[0]):    for x in range(territory_map.shape[1]):        cell = territory_map[y][x]        if cell == 0:            continue        if cell not in centroid_data:            centroid_data[cell] = CentroidRecord(x, y)        else:            centroid_data[cell].add_mass(x, y)for area in centroid_data:    data = centroid_data[area]    print(f"{area}: ({data.x}, {data.y})")这应该打印以下内容：1: (2.8, 1.6)2: (0.8, 1.8)3: (4.75, 2.25)有没有更快的方法来做到这一点？

Answer 1

一种颜色的质心的每个坐标只是该颜色的所有点坐标的平均值。因此，我们可以使用一个dict推导：

import numpy as np

n_colours = territory_map.max()

{i: tuple(c.mean() for c in np.where(territory_map.T == i)) 

 for i in range(1, n_colours + 1)}

输出：

{1: (2.8, 1.6), 

 2: (0.8, 1.8), 

 3: (4.75, 2.25)}

请注意，我们需要进行转置，因为行（y 坐标）在列（x 坐标）之前numpy。

随机生成的数据所花费的时间：

81.6 ms ± 5.36 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)