前言：

Python的列表处理，在机器视觉中经常被用到，这里结合基本的概念+机器视觉实践案例，成文如下：

本身将实现一个，弧线的mask填充：这个mask是我的一个天文项目的应用，目的在于将月球从图中抠出来。

---

 

1 基础概念 - 序列：

序列是 Python 中最基本的数据结构。

序列中的每个值都有对应的位置值，称之为索引，第一个索引是 0，第二个索引是 1，依此类推。

1.1 python 序列的类型

Python 有 6 个序列的内置类型，但最常见的是列表和元组。

 1.1.1 列表：[List]

列表是最常见的序列类型之一，它是可变的，意味着你可以添加、删除或修改其中的元素。列表使用方括号[]表示，并包含一系列以逗号分隔的值。列表中的元素可以包含不同的数据类型，不需要全部相同。列表提供了11个内置方法，用于添加、删除、查找元素等操作。

# 定义一个列表 
my_list = [1, 'apple', 3.14, True]
# 打印列表 
print(my_list)

 

 

1.1.1.1  访问列表的索引

 

#!/usr/bin/python3list = ['red', 'green', 'blue', 'yellow', 'white', 'black']
print( list[0] )
print( list[1] )
print( list[2] )

 red
green
blue

 1.1.1.2 从后面反向索引

#!/usr/bin/python3list = ['red', 'green', 'blue', 'yellow', 'white', 'black']
print( list[-1] )
print( list[-2] )
print( list[-3] )

 black
white
yellow

  1.1.1.3 用下标访问列表中的值

#!/usr/bin/python3nums = [10, 20, 30, 40, 50, 60, 70, 80, 90]
print(nums[0:4])

[10, 20, 30, 40]
 

 

  1.1.1.3 截取和拼接

1.1.2  元祖（Tuple)

元组与列表类似，也是一个序列类型，但是元组是不可变的，一旦创建就不能修改。元组使用小括号()表示，也可以包含逗号分隔的值。与列表不同，元组没有提供内置的方法，但可以转换为列表进行操作

# 定义一个元组 
my_tuple = (1, 'apple', 3.14, True)
# 打印元组 
print(my_tuple)

 

 

 

 1.1.3 字符串 “string”

字符串是一个不可变的序列类型，用于处理文本数据。字符串使用单引号'或双引号"表示，可以包含一系列字符。字符串中的字符可以是字母、数字、标点符号等

# 定义一个字符串 
my_string = "Hello, World!"
# 打印字符串 
print(my_string)

 1.1.4 其他不常用。

Unicode字符串

Unicode字符串与字符串类似，也是不可变的序列类型，但它支持多字节字符编码，可以表示全球各地的语言字符。Unicode字符串使用三个单引号'''或三个双引号"""

# 定义一个Unicode字符串 
my_unicode = """你好，世界！"""
# 打印Unicode字符串 
print(my_unicode)

缓冲区对象（Buffer Object）

缓冲区对象是一个较不常见的序列类型，它主要用于低级编程，如文件操作或内存映射。缓冲区对象使用方括号[]表示，但内部是通过缓冲区接口进行操作的13。

xrange对象

xrange对象是一个生成器类型，它用于生成一个整数序列。与列表不同，xrange不会占用大量的内存空间，它只生成序列的一部分。xrange对象使用三个参数表示范围，如xrange(start, stop, step)

 

# 使用xrange生成一个序列 
for i in xrange(10):print(i)

 

---

2 实践：

2.1 获取一个图片的四个顶点

2.1.1 拿到图片的尺寸

对应彩色的图片，通过如下的代码，可以先获取图片的尺寸：

import cv2
# 读取图像
image = cv2.imread('path_to_image.jpg')# 获取图像尺寸
height, width, channels = image.shape# 打印尺寸信息
print(f'Width: {width}, Height: {height}, Channels: {channels}')

 【案，

在OpenCV中，可以通过多种方式获取图像的尺寸信息。当你使用 cv2.imread() 函数读取图像后，图像会被存储在一个NumPy数组中，你可以通过该数组的 shape 属性来获取图像的尺寸。

对于彩色图像，shape 属性返回一个三元组 (height, width, channels)，分别表示图像的高度、宽度和通道数（RGB三个颜色通道）。对于灰度图像，它返回的是二元组 (height, width)，因为灰度图像只有一个通道。】

【案，这里图像的属性通过元祖来表示，原因是元祖他可以集成多种数据格式，同时元祖是不可以改变的】

import cv2
# 读取图像
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)# 获取图像尺寸
height, width = image.shape# 打印尺寸信息
print(f'Width: {width}, Height: {height}')

 【图像是灰度图像，那么 channels 将不存在】

2.1.2 拿到图片的四个顶点

上小节，拿到尺寸后，我们通过这个嵌套的列表，来表示图片的四个顶点坐标，

    # 获取矩形框的四个角点corners = np.array([[0, 0],[width - 1, 0],[width - 1, height - 1],[0, height - 1]])

那么，如果是右侧的顶点
 

    # 获取矩形框的右侧两个角点right_corners = np.array([[width - 1, 0],[width - 1, height - 1]])

2.2 构建一个弧段（含和图片的交点）这里略-将在其他章节介绍

假设弧段的点集为：

arc_points 

 我们可以拿到弧的起始点的坐标。

交点为：

intersection_points

2.3 现在构建mask区域

要构建一个mask,就必须构建一个封闭的区域。简单的想法，就是通过弧与图像边界的交点，来构建。

 # 构建一个封闭区域，包括弧段和右侧顶点polygon_points = np.vstack((arc_points, [arc_end_point], right_corners, [arc_start_point]))# 填充封闭区域为白色cv2.fillPoly(mask, [polygon_points], (255))

但是，问题出来，很明显，在构建MASK区域的时候，顶点的选择，由于顺序的问题，发生了交叉，大家可以看到下面的图片，因为交叉，所以，就出现，下面这个交织的情况。

而，我们希望是将弧段+边界构成MASK区域。 

 【案，问题的根源就是，我们构建参考点的时候，点的选取顺序也许发生了问题，

【案，这个图的标号，反映了红色错误的情况，和绿色正确的情况】

 于是，我们有了下面的修改，

 # 构建一个封闭区域，包括弧段和右侧顶点polygon_points = np.vstack((arc_points, [arc_end_point], right_corners[::-1], [arc_start_point]))# 填充封闭区域为白色cv2.fillPoly(mask, [polygon_points], (255))

【案，这里将构建封闭区域的点，构成一个封闭的点集，然后，利用fillPoly函数进行填充，形成mask】

【这里， right_corners[::-1] 反转了右侧顶点的顺序,这里就要用到我们前面关于python的列表的高级应用知识】

---

理论和实践的结合

• right_corners: 这是一个变量名，代表一个列表或数组。这个列表中存储着一些表示右侧顶点的元素。
• [::-1]: 这是Python列表切片的一种特殊用法，用于反转列表。

切片操作的详细解释：

• :: 表示从列表的开头开始。
• :: 表示到列表的末尾结束。
• -1: 表示步长为-1，即从后向前取元素。

 

结合起来看：

• right_corners[::-1] 的意思是：从 right_corners 列表的末尾开始，以步长-1的方式，一直取到列表的开头，从而形成一个新的列表，这个新列表中的元素顺序与原列表正好相反。

示例：
假设 right_corners 的值为 [1, 2, 3, 4]，那么 right_corners[::-1] 的结果就是 [4, 3, 2, 1]。

---

调整结果：

 

---

参考：

Python3 列表 | 菜鸟教程