如何提取含孔洞的不规则像素图像的边缘索引？

核心思路 #

边缘像素指的是自身存在（有(x,y,Int)记录），但至少有一个上下左右相邻像素不存在（无对应记录）的像素。孔洞内部的像素因四周均有存在的像素，不会被判定为边缘。

实现步骤（R语言） #

• 将原始数据转换为布尔矩阵，标记像素是否存在，便于快速查询相邻像素状态
• 对每个存在的像素，检查其上下左右四个方向的邻居是否在数据集中
• 只要有一个有效邻居不存在，该像素即为边缘像素

代码实现 #

set.seed(20)
test <- expand.grid(1:25, 1:50)
test$Int <- rnorm(nrow(test), 7, 1)
edge_rows <- which(test$Var1 %in% c(1, 25) | test$Var2 %in% c(1, 50))
rows_to_remove <- sample(edge_rows, 50) 
test <- test[-rows_to_remove, ]
edge_rows <- which(test$Var1 %in% c(2, 24) | test$Var2 %in% c(2, 49))
rows_to_remove <- sample(edge_rows, 25) 
test <- test[-rows_to_remove, ]
test <- test[-sample(nrow(test), 50), ]

# 创建布尔矩阵标记像素存在状态
pixel_matrix <- matrix(FALSE, nrow = max(test$Var1), ncol = max(test$Var2))
pixel_matrix[cbind(test$Var1, test$Var2)] <- TRUE

# 判断单个像素是否为边缘的函数
is_edge_pixel <- function(x, y, mat) {
  # 定义上下左右四个相邻位置
  neighbor_positions <- list(
    c(x-1, y), c(x+1, y),
    c(x, y-1), c(x, y+1)
  )
  # 筛选出在矩阵范围内的有效邻居
  valid_neighbors <- Filter(function(pos) {
    pos[1] >= 1 && pos[1] <= nrow(mat) && pos[2] >= 1 && pos[2] <= ncol(mat)
  }, neighbor_positions)
  # 只要有一个有效邻居不存在，即为边缘像素
  any(sapply(valid_neighbors, function(pos) !mat[pos[1], pos[2]]))
}

# 为每个像素标记是否为边缘
test$is_edge <- mapply(is_edge_pixel, test$Var1, test$Var2, MoreArgs = list(mat = pixel_matrix))

# 提取边缘像素在原数据框中的索引
edge_pixel_indices <- which(test$is_edge)

# 可视化验证结果
library(ggplot2)
ggplot(test) +
  geom_tile(aes(Var1, Var2, fill = ifelse(is_edge, "边缘像素", "内部像素"))) +
  scale_fill_manual(values = c("边缘像素" = "red", "内部像素" = "lightgray")) +
  labs(title = "边缘像素提取结果", fill = "像素类型")

关键说明 #

• 布尔矩阵pixel_matrix：将稀疏的坐标数据转换为密集矩阵，大幅提升相邻像素的查询效率
• is_edge_pixel函数：仅检查上下左右四个正交方向的邻居（若需包含对角线可自行扩展），同时排除超出图像边界的无效位置
• edge_pixel_indices：最终得到的边缘像素在原test数据框中的行索引，可直接用于提取对应像素的(x,y,Int)信息

内容的提问来源于stack exchange，提问作者MarinaZav