ordina punti di calibrazione 2d con numpy

Question

Ho una matrice n: 2 con punti (x, y) trovati da punti in un modello di calibrazione rettangolare. Mi piace ordinare questi punti riga per riga. Ho ordinato questi punti con lexsort ma la distorsione dalla fotocamera è troppo grande in modo che le coordinate y si sovrappongano.

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

C'è un modo per risolvere la questione con l'aiuto di un modello di Delaunay andando un lungo le righe?

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

Answer 1

Uso triangolazione è davvero interessante, e può essere usato per applicazione:

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() 

Di conseguenza, si ottengono i bordi orizzontali edges_horizontal, che è un array 2d [[p_{0},p_{1}], ..., [p_{n}, p_{n+1}]], in cui p_i sono indici nell'array coordinates.