Python 二叉树算法解决二维装箱问题 (2d bin-packing problem)

本文主要是介绍Python 二叉树算法解决二维装箱问题 (2d bin-packing problem),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

二维装箱问题应用领域比较多,游戏开发中主要应用于贴图合并。

最近在调研图集打包工具的算法实现,看到一种实现方式是通过二叉树算法,比较朴素且有效,则立刻写用例简单测试验证下。

测试结果:(打包后的图用随机纯色色块代替)
在这里插入图片描述

测试代码如下:

from Packer import Packer
from PIL import Image
import cv2
import os
import randomCanvas_Width = 1024
Canvas_Height = 1024
CanvasPixelColor = [255, 255, 255]
ImgPath = "imgLib"# 获取path下的所有图片对象
def getImgList(path):imagelist = []for parent, dirnames, filenames in os.walk(path):for filename in filenames:if filename.lower().endswith(('.png')):img = cv2.imread(os.path.join(parent, filename), cv2.IMREAD_UNCHANGED)imagelist.append(img)print(filename)return imagelist# 新建一张图
def newImg(width, height, r, g, b):img = Image.new('RGB', (width, height))for i in range(0, width):for j in range(0, height):img.putpixel((i, j), (r, g, b))img.save('sqr.png')return img# 在canvas上绘制纯色block
def drawBlockOnCanvas(canvasImg, x, y, w, h, r, g, b):for i in range(x, x + w):for j in range(y, y + h):canvasImg.putpixel((i, j), (r, g, b))return canvasImg# 新建画布
def drawCanvas():wallpaper = newImg(Canvas_Width, Canvas_Height, CanvasPixelColor[0], CanvasPixelColor[1], CanvasPixelColor[2])return wallpaper# 主函数
def main():# 新建一张 1024 * 1024 的画布canvas = drawCanvas()# 初始化Packer对象packer = Packer(Canvas_Width, Canvas_Height)# 读取图片sizeblocks = []rawImgList = getImgList(ImgPath)for img in rawImgList:print(img.shape)w, h, _ = img.shapeblocks.append({'w' : w, 'h' : h})# sort blocks by heightdef get_height(block):return block['h']blocks.sort(key = get_height, reverse=True)# 打包packer.fit(blocks)print("图的总数量" + str(len(blocks)))drawedCount = 0for block in blocks:print(str(block['w']) + "x" + str(block['h']))for block in blocks:print(str(block['w']) + "x" + str(block['h']))if('fit' in block):fit = block['fit']r = random.randint(0, 255)g = random.randint(0, 255)b = random.randint(0, 255)# print(block)drawBlockOnCanvas(canvas, fit['x'], fit['y'], block['w'], block['h'], r, g, b)drawedCount += 1## debug mode to show drew Img one by one# npImg = np.array(canvas)# cv2.imshow("test", npImg)# cv2.waitKey(0)# cv2.destroyAllWindows()else:print("[Error] No Fit in Block -- ")print("DrawedCount : " + str(drawedCount))canvas.save('sqr.png')canvas.show()main()

Packer类的实现:

class Packer:def __init__(self, w, h):self.root = {'x' : 0, 'y' : 0, 'w' : w, 'h' : h, 'used' : False}def fit(self, blocks):for block in blocks:node = self.findNode(self.root, block['w'], block['h'])if node:block['fit'] = self.splitNode(node, block['w'], block['h'])def findNode(self, root, w, h):if(root['used']):return self.findNode(root['right'], w, h) or self.findNode(root['down'], w, h)elif((w <= root['w']) and (h <= root['h'])):return rootelse:return Nonedef splitNode(self, node, w, h):node['used'] = Truenode['down']    = {'x' : node['x'],     'y' : node['y'] + h,    'w' : node['w'] ,        'h' : node['h'] - h,    'used' : False}node['right']   = {'x' : node['x'] + w, 'y' : node['y'],        'w' : node['w'] - w,     'h' : h,        'used' : False}return node

测试验证结论:
算法不足之处在于block中的空白区域可能没有得到很好的利用,可以后续通过递归遍历blocks中"被浪费"的区域,将区域尽可能的合并后 重新利用。

这篇关于Python 二叉树算法解决二维装箱问题 (2d bin-packing problem)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/267558

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

poj2576(二维背包)

题意:n个人分成两组,两组人数只差小于1 , 并且体重只差最小 对于人数要求恰好装满,对于体重要求尽量多,一开始没做出来,看了下解题,按照自己的感觉写,然后a了 状态转移方程:dp[i][j] = max(dp[i][j],dp[i-1][j-c[k]]+c[k]);其中i表示人数,j表示背包容量,k表示输入的体重的 代码如下: #include<iostream>#include<

hdu2159(二维背包)

这是我的第一道二维背包题,没想到自己一下子就A了,但是代码写的比较乱,下面的代码是我有重新修改的 状态转移:dp[i][j] = max(dp[i][j], dp[i-1][j-c[z]]+v[z]); 其中dp[i][j]表示,打了i个怪物,消耗j的耐力值,所得到的最大经验值 代码如下: #include<iostream>#include<algorithm>#include<

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig