Opencv 学习笔记：列表筛选（查找满足指定间距的数值）

在图像处理的数据分析场景（如坐标筛选、特征值过滤）中，常需从数值列表中筛选出满足指定间距的元素。本文通过极简代码演示如何查找列表中间距≥80 的数值，新手可快速复用至各类数据筛选场景。

核心代码实现

python 复制代码

# 原始数值列表（字符串类型，需转为整数计算）
num_list = ['1', '2', '8', '9', '12', '13', '16', '19', '33', '44', '55', '66', '88', '200']
# 初始化结果列表（深拷贝原始列表）
result_list = num_list.copy()

i = 0  # 基准元素索引
j = i  # 对比元素索引

# 遍历列表，筛选间距≥80的元素
while i < len(num_list):
    # 避免索引越界（最后一个元素无需对比）
    if i == len(num_list) - 1:
        break
    j = i  # 重置对比索引为基准索引
    while j < len(num_list) - 1:
        j += 1
        # 计算两个数值的绝对间距
        gap = abs(int(num_list[j]) - int(num_list[i]))
        if gap < 80:
            # 间距不足80，标记为待删除
            result_list[j] = None
        else:
            # 间距≥80，更新基准索引为当前对比索引
            i = j
            break

# 打印中间结果（含None标记）
print("标记后列表：", result_list)

# 移除所有None元素，得到最终结果
while None in result_list:
    result_list.remove(None)

# 打印最终筛选结果
print("筛选后列表：", result_list)

关键知识点解析

1. 核心逻辑拆解

步骤	操作说明	核心作用
类型转换	`int(num_list[j])`	将字符串类型数值转为整数，才能进行数值计算
间距计算	`abs(数值1 - 数值2)`	取绝对值，避免正负间距影响判断
标记删除	`result_list[j] = None`	先标记不符合条件的元素，最后统一删除，避免遍历中修改列表导致索引异常
移除 None	`result_list.remove(None)`	循环移除所有标记的元素，得到最终筛选结果

2. 避坑与优化技巧

索引越界 ：原代码中i == 13是硬编码，改为i == len(num_list) - 1，适配任意长度列表；
列表拷贝 ：使用num_list.copy()深拷贝，避免修改结果列表时影响原始列表；
效率优化 ：若列表过长（万级以上），可改用列表推导式替代循环移除 None：
python 复制代码
```
result_list = [x for x in result_list if x is not None]
```

通用性改造 ：封装为函数，支持自定义间距阈值：

python 复制代码

def filter_by_gap(num_list, min_gap):
    # 上述核心逻辑，将80替换为min_gap参数
    return result_list
# 调用示例：筛选间距≥80的元素
res = filter_by_gap(num_list, 80)

3. 适用场景

图像处理：筛选图像特征点坐标（如角点、圆心），保留间距≥指定值的特征；
数据清洗：过滤传感器采集的密集数值，仅保留间隔符合要求的数据点；
目标检测：筛选检测框坐标，去除间距过近的重复框。

总结

数值列表筛选的核心是先标记后删除，避免遍历中修改列表导致索引异常；
字符串类型数值需先转为整数，才能进行间距计算；
硬编码索引（如 13）改为动态判断（len(num_list)-1），提升代码通用性。