在图片上选点以用来生成TSP art的python代码

### 如何使用Python在图片上选择点 通过 `OpenCV` 和 `Matplotlib` 这两个库可以实现交互式地在图片上选择点的功能。以下是两种方法的具体介绍。 #### 使用 OpenCV 实现点击事件选点 `OpenCV` 提供了鼠标回调函数功能，可以通过绑定鼠标事件来获取用户点击位置的坐标并绘制相应的标记。下面是一个完整的代码示例： ```python import cv2 # 定义全局变量存储点击的点 points = [] def click_event(event, x, y, flags, param): if event == cv2.EVENT_LBUTTONDOWN: # 左键单击 points.append((x, y)) font = cv2.FONT_HERSHEY_SIMPLEX strXY = f"x={x},y={y}" cv2.circle(param['image'], (x, y), 3, (0, 0, 255), -1) # 绘制圆圈标记 cv2.putText(param['image'], strXY, (x + 10, y - 10), font, 0.4, (255, 255, 0), 1) cv2.imshow('Click to select point', param['image']) elif event == cv2.EVENT_RBUTTONDOWN: # 右键单击输出坐标 print(f'Right button clicked at coordinates: ({x},{y})') # 加载图像 cv_img = cv2.imread('example.jpg') if cv_img is not None: cv2.namedWindow('Click to select point') params = {'image': cv_img} cv2.setMouseCallback('Click to select point', click_event, params) while True: cv2.imshow('Click to select point', cv_img) if cv2.waitKey(20) & 0xFF == ord('q'): # 按 'q' 键退出 break cv2.destroyAllWindows() else: print("Image file not found.") ``` 上述代码实现了以下功能[^1]: - 用户可以在窗口中通过左键点击选取多个点，并显示其坐标。 - 当按下右键时，在控制台打印当前坐标的数值[^4]。 #### 使用 Matplotlib 实现交互式选点 如果更倾向于科学计算可视化工具，则可以选择利用 `matplotlib.pyplot.ginput()` 函数完成同样的任务。这种方法更加简洁明了。 ```python import matplotlib.pyplot as plt from PIL import Image # 打开一张测试图片 pil_image = Image.open('example.jpg').convert('RGB') plt.figure(figsize=(8, 6)) # 显示原图 plt.imshow(pil_image) plt.title('Please Click on Points of Interest') print("Select points using the mouse...") # 获取用户输入的点（默认等待直到关闭图形界面） selected_points = plt.ginput(n=-1, timeout=0, show_clicks=True) print(f'Selected {len(selected_points)} points.') for idx, pt in enumerate(selected_points): print(f"Point {idx}: X={pt[0]}, Y={pt[1]}") plt.close() ``` 此脚本允许用户自由地点选任意数量的兴趣区域，并自动记录这些点的位置信息作为列表返回给程序进一步处理][^[^23]。 ### 注意事项 无论是采用哪种方式都需要确保目标文件路径正确无误；另外需要注意的是对于高分辨率或者尺寸较大的图像可能需要调整缩放比例以便于操作方便。

迪杰斯特拉(Dijkstra)算法是一种用于寻找图中最短路径的经典算法，通常应用于有向无环图(DAG)。下面是一个简单的Python实现，使用了`heapq`库来管理优先队列： ```python import heapq def dijkstra(graph, start): distances = {node: float('infinity') for node in graph} distances[start] = 0 priority_queue = [(0, start)] while priority_queue: current_distance, current_node = heapq.heappop(priority_queue) if current_distance > distances[current_node]: continue # 如果当前距离已经更新过，则跳过 for neighbor, weight in graph[current_node].items(): distance = current_distance + weight if distance < distances[neighbor]: distances[neighbor] = distance heapq.heappush(priority_queue, (distance, neighbor)) return distances # 示例：创建一个邻接字典表示图 graph = { 'A': {'B': 5, 'C': 1}, 'B': {'A': 5, 'D': 2}, 'C': {'A': 1, 'D': 4, 'E': 8}, 'D': {'B': 2, 'C': 4, 'E': 3}, 'E': {'C': 8, 'D': 3} } start_node = 'A' shortest_distances = dijkstra(graph, start_node) print(f"从节点{start_node}到其他节点的最短距离：{shortest_distances}") #