我想拍张照片，将其细分为正方形或（理想情况下）六边形的镶嵌，然后找到镶嵌的每个单元的重心（或者，如果您愿意，质心） .
对于任何图像，输出都是点矩阵。对于附图，类似这样的东西（在极坐标中 -）：
(5,5Π/4) (0,0) (1,7Π/4) (1,5Π/4)
(5,3Π/4) (0,0) (5,Π/2)
(0.0) (0,0) (0.0) (0,0)
我附上了一张图片，显示了我的意思。
简而言之，我的问题是在此镶嵌中用于计算 cog 的最佳方法...对于正方形，很容易计算每行的加权平均值，但这太粗略了. 迭代一般镶嵌（理想）或六边形镶嵌的好方法是什么？
我在“计算机图形”组中问过这个问题，但没有得到任何答复。我认为它可能更适合这里的技能。
有几种选择：
备选方案#1：您需要为镶嵌的每个单元格查找单元格中包含的像素列表。为此，您可以使用光栅化算法。您可以使用我的开源实现 [1]。如果性能是一个问题，您也可以使用 GPU 来做到这一点。
备选方案#2（最简单的）：（如果您有许多不同的图像要处理并且有一个固定的镶嵌）：首先生成一个“图像”，其中每个像素都包含包含该像素的单元格的索引。您只需执行一次（它完全独立于输入图像）。然后您可以使用以下算法计算像素质量和质心（其中 cell(i,j) 表示预先计算的“图像”）：
for each i,j
k = cell(i,j)
mass[k] = mass[k] + image(i,j)
centroid[k] = centroid[k] + image(i,j)*(i,j)
for each k
centroid[k] = centroid[k] / mass[k]
convert centroid[k] in polar coordinates (if needed)
其中 mass[] 是一个标量数组，centroid[] 是一个二维点数组（维度 = 两者的单元数）。
备选方案#3：如果您的细分是 Voronoi 图（即，如果单元格是与列表的所有其他“站点”（xj，yj）相比更接近“站点”（xi，yi）的点集网站：
for each i,j
k = nearest_site(i,j)
mass[k] = mass[k] + image(i,j)
centroid[k] = centroid[k] + image(i,j)*(i,j)
for each k
centroid[k] = centroid[k] / mass[k]
convert centroid[k] in polar coordinates (if needed)
要实现最近站点（），您可以将所有站点放在 Kd 树中，或者利用细分的结构（例如，在您的特定情况下，您可以通过比较与几个站点的距离来找到最近的站点，基于(i,j))
[1] http://alice.loria.fr/publications/papers/2006/EGSR_Ardeco//supplemental/sources.html