Python 之Opencv的Numpy函数：矩形框四个顶点顺时针排序

学习目标

       图像处理可以简单理解为对数据处理的过程，针对图像中一个矩形区域给出的4个顶点坐标，按照固定顺序对4个顶点坐标进行顺时针排序。坐标的这种排序方式是进行透视变换、匹配对象角点、计算距离等操作的基础。

函数条件

       定义order_points(pts)这个函数主要目的是按照顺时针顺序排列(左下、左上、右上、右下)与矩形边界框相关联的(x,y)坐标。

       关于函数的输入pts：只需要一个参数——我们想要排序的点列表。

函数详解

       1. np.argsort()是将X中的元素从小到大排序后，提取对应的索引index，然后输出到y，pts[:, 0]是指第一维度的第0行至最后一行；

sort_x = pts[np.argsort(pts[:, 0]), :]

以一维数组为例：

>>>x=np.array([1,3,2,-1,6,9])
>>>x.argsort()的结果：
>>>array([3,0,2,1,4,5)]

axis=0按列排序，axis=1按行排序。以二维数组为例：

>>> x = np.array([[0, 3], [2, 2]])
>>> np.argsort(x, axis=0)
    array([[0, 1],
         [1, 0]])
>>> np.argsort(x, axis=1)
    array([[0, 1],
    [0, 1]])

np.argsort (x)按升序排列，np.argsort(-x) #按降序。排列通过索引值排序后的数组：

>>>x = np.array([3, 1, 2])
>>> x[np.argsort(x)]
    array([1, 2, 3])
>>>x[np.argsort(-x)]
   array([3, 2, 1])

      2. np.concatenate()函数能够一次完成多个数组的拼接，后面的axis=0指的是沿垂直方向拼接，axsi=1指的是按水平方向拼接；

np.concatenate((Left, Right), axis=0)

对于一维数组拼接，axis的值不影响最后的结果。以一维数组为例：

>>> a=np.array([5,7,3])
>>> b=np.array([101,2,133])
>>> c=np.array([56,12,39])
>>> np.concatenate((a,b,c),axis=0)的结果：
array([ 5,7,3,101,2,133,56,12,39])

对于二维数组拼接，axis=0表示沿着数组垂直方向进行拼接，axis=1表示沿着数组水平方向进行拼接，以二维数组为例：

>>> a=np.array([[5,7,3],[ 101,2,133]])
>>> b=np.array([[56,12,39],[27,108,99]])
>>> np.concatenate((a,b),axis=0)
array([[ 5,7,3],
       [ 101,2,133],
       [56,12,39],
       [ 27,108,99]])
>>> np.concatenate((a,b),axis=1)
array([[ 5,7,3, 101,2,133],
       [ 56,12,39, 27,108,99]])

具体代码

def order_points(pts):
    #  根据x坐标对进行从小到大的排序
    sort_x = pts[np.argsort(pts[:, 0]), :]
    #  根据点x的坐标排序分别获取所有点中，位于最左侧和最右侧的点
    Left = sort_x[:2, :]
    Right = sort_x[2:, :]
    # 根据y坐标对左侧的坐标点进行从小到大排序，这样就能够获得左下角坐标点与左上角坐标点
    Left = Left[np.argsort(Left[:, 1])[::-1], :]
    # 根据y坐标对右侧的坐标点进行从小到大排序，这样就能够获得右上角坐标点与右下角坐标点
    Right = Right[np.argsort(Right[:, 1]), :]
        return np.concatenate((Left, Right), axis=0)