Python 一组线的凹壳多边形
Python Concave Hull Polygon of a set of lines
我正在寻找凹壳问题的 python 实现。我的问题有点不同,因为我没有一组点,而是一组线,其中结果 Concave-Hull 将粗略地沿着线(如左图所示)。
我明白没有单"correct answer"。但是一些近似值就足以满足我的需要。
一种可能的解决方案是获取每条线并将其插入到一个范围内,比方说 20 个点,然后找到所有创建的点的凹包。不确定。
编辑:
我认为这些线条增加了一些价值,使船体更清晰,更容易找到。
该问题的良好 python 实现,即使不使用线(仅从点列表中找到凹包)也会有所帮助
这里是 github repo 使用 python.
寻找一组点的凹包
我给你的建议如下。使用每条线的端点创建一组点。然后使用链接代码为这些点生成凹包,并对 alpha 值进行一些猜测。完成此操作后,您可以检查生成的外壳是否与您的任何 线 相交,以及它是否会修改 alpha。如果愿意,您可以自动检查相交和调整。
您也可以尝试将线条的中点添加到点集中,这可能会减少您需要尝试的 alpha 数量。
这是您子问题的答案:
A good python implementation for the problem, even if not using the
lines (just finding a concave hull from a list of points) will also be
helpful
您可以使用 alphashape. The tricky part is to choose an alpha
that fits your needs. Alphashape
comes with a function to find the optimum alpha value. Basically 它以 0
(= 凸包)开始并增加 alpha 直到它开始失去点数。我们从这个最佳值中取 95%,这当然是一个相当随意的解决方案,但在许多情况下它会给你一个很好的近似值。
import alphashape
import matplotlib.pyplot as plt
from descartes import PolygonPatch
points = [(17, 158),(15, 135),(38, 183),(43, 19),(93, 88),(96, 140),(149, 163),(128, 248),(216, 265),(248, 210),(223, 167),(256, 151),(331, 214),(340, 187),(316, 53),(298, 35),(182, 0),(121, 42)]
alpha = 0.95 * alphashape.optimizealpha(points)
hull = alphashape.alphashape(points, alpha)
hull_pts = hull.exterior.coords.xy
fig, ax = plt.subplots()
ax.scatter(hull_pts[0], hull_pts[1], color='red')
ax.add_patch(PolygonPatch(hull, fill=False, color='green'))
One possible solution is to take each line and interpolate it to a
range of let's say 20 points and find the concave hull of all the
created points.
这不会给你想要的输出,因为凹包会跟随这些额外的(假的)点,并且它变得比原始点更凹。
我认为整个问题的最佳解决方案是从 optimizealpha
获得的最佳 alpha 点的凹包开始,然后减少它,直到你的包不与你的任何线相交,正如@sgillen 所建议的.这可以通过使用带有测试 any([polygon.crosses(line) for line in lines])
.
的二分循环找到最佳 alpha 来类似地完成。
虽然这个问题可能已经有了答案,但这里也是我的方法:
就像其他人也说的那样,您首先必须将线的端点转换为点列表。
之后,您可能需要 SciPy 库中的这个简洁函数:scipy.spatial.ConvexHull()
。
基本上你只是将一个带有顶点的numpy数组传递给函数(使用numpy.array()
创建)并且它returns一个hull-Object
Here 是文档
使用.points
-属性,您可以获得所有点,或者使用.vertices
-属性,您可以获得构成船体的输入列表的索引。
如果您对此感兴趣,您还可以获得面积或体积(对于 3D 形状)之类的东西。
~奥卡加纳
我正在寻找凹壳问题的 python 实现。我的问题有点不同,因为我没有一组点,而是一组线,其中结果 Concave-Hull 将粗略地沿着线(如左图所示)。
我明白没有单"correct answer"。但是一些近似值就足以满足我的需要。 一种可能的解决方案是获取每条线并将其插入到一个范围内,比方说 20 个点,然后找到所有创建的点的凹包。不确定。
编辑:
我认为这些线条增加了一些价值,使船体更清晰,更容易找到。
该问题的良好 python 实现,即使不使用线(仅从点列表中找到凹包)也会有所帮助
这里是 github repo 使用 python.
寻找一组点的凹包我给你的建议如下。使用每条线的端点创建一组点。然后使用链接代码为这些点生成凹包,并对 alpha 值进行一些猜测。完成此操作后,您可以检查生成的外壳是否与您的任何 线 相交,以及它是否会修改 alpha。如果愿意,您可以自动检查相交和调整。
您也可以尝试将线条的中点添加到点集中,这可能会减少您需要尝试的 alpha 数量。
这是您子问题的答案:
A good python implementation for the problem, even if not using the lines (just finding a concave hull from a list of points) will also be helpful
您可以使用 alphashape. The tricky part is to choose an alpha
that fits your needs. Alphashape
comes with a function to find the optimum alpha value. Basically 它以 0
(= 凸包)开始并增加 alpha 直到它开始失去点数。我们从这个最佳值中取 95%,这当然是一个相当随意的解决方案,但在许多情况下它会给你一个很好的近似值。
import alphashape
import matplotlib.pyplot as plt
from descartes import PolygonPatch
points = [(17, 158),(15, 135),(38, 183),(43, 19),(93, 88),(96, 140),(149, 163),(128, 248),(216, 265),(248, 210),(223, 167),(256, 151),(331, 214),(340, 187),(316, 53),(298, 35),(182, 0),(121, 42)]
alpha = 0.95 * alphashape.optimizealpha(points)
hull = alphashape.alphashape(points, alpha)
hull_pts = hull.exterior.coords.xy
fig, ax = plt.subplots()
ax.scatter(hull_pts[0], hull_pts[1], color='red')
ax.add_patch(PolygonPatch(hull, fill=False, color='green'))
One possible solution is to take each line and interpolate it to a range of let's say 20 points and find the concave hull of all the created points.
这不会给你想要的输出,因为凹包会跟随这些额外的(假的)点,并且它变得比原始点更凹。
我认为整个问题的最佳解决方案是从 optimizealpha
获得的最佳 alpha 点的凹包开始,然后减少它,直到你的包不与你的任何线相交,正如@sgillen 所建议的.这可以通过使用带有测试 any([polygon.crosses(line) for line in lines])
.
虽然这个问题可能已经有了答案,但这里也是我的方法:
就像其他人也说的那样,您首先必须将线的端点转换为点列表。
之后,您可能需要 SciPy 库中的这个简洁函数:scipy.spatial.ConvexHull()
。
基本上你只是将一个带有顶点的numpy数组传递给函数(使用numpy.array()
创建)并且它returns一个hull-Object
Here 是文档
使用.points
-属性,您可以获得所有点,或者使用.vertices
-属性,您可以获得构成船体的输入列表的索引。
如果您对此感兴趣,您还可以获得面积或体积(对于 3D 形状)之类的东西。
~奥卡加纳