一般有两种算法来计算平面上给定n个点的凸包:Graham扫描法(Graham's scan),时间复杂度为O(nlgn);Jarvis步进法(Jarvis march),时间复杂度为O(nh),其中h为凸包顶点的个数。这两种算法都按逆时针方向输出凸包顶点。
Graham扫描法
用一个栈来解决凸包问题,点集Q中每个点都会进栈一次,不符合条件的点会被弹出,算法终止时,栈中的点就是凸包的顶点(逆时针顺序在边界上)。
算法步骤如下图:
import sys import math import time import random #获取基准点的下标,基准点是p[k] def get_leftbottompoint(p): k = 0 for i in range(1, len(p)): if p[i][1] < p[k][1] or (p[i][1] == p[k][1] and p[i][0] < p[k][0]): k = i return k #叉乘计算方法 def multiply(p1, p2, p0): return (p1[0] - p0[0]) * (p2[1] - p0[1]) - (p2[0] - p0[0]) * (p1[1] - p0[1]) #获取极角,通过求反正切得出,考虑pi/2的情况 def get_arc(p1, p0): # 兼容sort_points_tan的考虑 if (p1[0] - p0[0]) == 0: if ((p1[1] - p0[1])) == 0: return -1; else: return math.pi / 2 tan = float((p1[1] - p0[1])) / float((p1[0] - p0[0])) arc = math.atan(tan) if arc >= 0: return arc else: return math.pi + arc #对极角进行排序,排序结果list不包含基准点 def sort_points_tan(p, pk): p2 = [] for i in range(0, len(p)): p2.append({"index": i, "arc": get_arc(p[i], pk)}) #print('排序前:',p2) p2.sort(key=lambda k: (k.get('arc'))) #print('排序后:',p2) p_out = [] for i in range(0, len(p2)): p_out.append(p[p2[i]["index"]]) return p_out def convex_hull(p): p=list(set(p)) #print('全部点:',p) k = get_leftbottompoint(p) pk = p[k] p.remove(p[k]) #print('排序前去除基准点的所有点:',p,'基准点:',pk) p_sort = sort_points_tan(p, pk) #按与基准点连线和x轴正向的夹角排序后的点坐标 #print('其余点与基准点夹角排序:',p_sort) p_result = [pk,p_sort[0]] top = 2 for i in range(1, len(p_sort)): ##################################### #叉乘为正,向前递归删点;叉乘为负,序列追加新点 while(multiply(p_result[-2], p_sort[i],p_result[-1]) > 0): p_result.pop() p_result.append(p_sort[i]) return p_result#测试
if __name__ == '__main__': pass test_data = [(220, -100), (0,0), (-40, -170), (240, 50), (-160, 150), (-210, -150)] print(test_data) result = convex_hull(test_data) print(result) t=0 import matplotlib.pyplot as plt x1=[] y1=[] for i in range(len(test_data)): ri=test_data[i] #print(ri) x1.append(ri[0]) y1.append(ri[1]) plt.plot(x1,y1,linestyle=' ',marker='.') xx=[] yy=[] for i in range(len(result)): ri=result[i] #print(ri) xx.append(ri[0]) yy.append(ri[1]) plt.plot(xx,yy,linestyle=' ',marker='*')
计算多边形面积
(1)顺时针给定构成凸包的n个点坐标,叉乘法求多边形面积:
def GetAreaOfPolyGonbyVector(points): # 基于向量叉乘计算多边形面积 area = 0 if(len(points)<3): raise Exception("error") for i in range(0,len(points)-1): p1 = points[i] p2 = points[i + 1] triArea = (p1[0]*p2[1] - p2[0]*p1[1])/2 #print(triArea) area += triArea fn=(points[-1][0]*points[0][1]-points[0][0]*points[-1][1])/2 #print(fn) return abs(area+fn) points = [] x = [1,3,2] y = [1,2,2] #[(1,1),(3,1),(5,3),(3,5),(1,3)] # x=[1,3,5,3,1] # y=[1,1,3,5,3] for index in range(len(x)): points.append((x[index],y[index])) area = GetAreaOfPolyGonbyVector(points) print(area) #print(math.ceil(area))
(2)顺时针给定构成凸包的n个点经纬度坐标,先将经纬度坐标转化成凸多边形的边的经纬度距离,利用海伦公式求多边形面积:
from geopy.distance import vincenty import math def HeronGetAreaOfPolyGonbyVector(points): # 基于海伦公式计算多边形面积 area = 0 if(len(points)<3): raise Exception("error") pb=((points[-1][0]+points[0][0])/2,(points[-1][1]+points[0][1])/2) #基准点选为第一个点和最后一个点连线边上的中点 for i in range(0,len(points)-1): p1 = points[i] p2 = points[i + 1] db1 = vincenty(pb,p1).meters #根据维度转化成经纬度距离 d12 = vincenty(p1,p2).meters d2b = vincenty(p2,pb).meters #print(db1,d12,d2b) hc = (db1+d12+d2b)/2 #db1是基准点和p1的距离,d12是p1和p2的距离,d2b是p2和基准点距离 #print(hc, hc-db1, hc-d12, hc-d2b) triArea = math.sqrt(hc*(hc-db1)*(hc-d12)*(hc-d2b)) #print(triArea) area += triArea return area points = [] x = [1,3,2] y = [1,2,2] #[(1,1),(3,1),(5,3),(3,5),(1,3)] # x=[1,3,5,3,1] # y=[1,1,3,5,3] for index in range(len(x)): points.append((x[index],y[index])) area = HeronGetAreaOfPolyGonbyVector(points) print(area) #print(math.ceil(area))
Graham程序原理
(1)基准点的确认原则:
有唯一的某个点纵坐标最小,该点为基准点;
不止一个点的纵坐标最小,选这些点里最靠左的为基准点
(2)计算叉乘【后续利用叉乘正负判断夹角是否大于180o】:
(3)获取极角,通过求反正切得出:
若横纵坐标都相等(两点相同),返回-1;
(4)对极角进行排序,排序结果list不包含基准点:
p2=[{"index":0, "arc":get_arc(p[0],p[k])}, {"index":1, "arc":get_arc(p[1],p[k])}, ··· {"index":k-1, "arc":get_arc(p[k-1],p[k])}, {"index":k+1, "arc":get_arc(p[k+1],p[k])}, ··· {"index":n, "arc":get_arc(p[n],p[k])}] #get_arc(p[0],p[k])即获得p[0]点与基准点p[k]连线的极角(与x轴正向夹角) #根据p2的“arc”键的值从小到大排序,最后输出按该角度值排序对应顺序的各个点
(5)逆时针确定凸多边形:
主要是找角度是否大于180o——差乘正负——点进出栈顺序三者关系
...一直遍历到最后一个点...一直遍历到最后一个点
规律:叉乘>0,夹角小于180o,递归向前删点;叉乘<0,夹角大于180o,不删点,加入新点,向后遍历叉乘>0,夹角小于180o,递归向前删点;叉乘<0,夹角大于180o,不删点,加入新点,向后遍历
注意:(a)上述给非基准点按极角从到大小排号时,有两个及以上点“和基准点连线构成的极角”相等时,这些点的排号挨着但是没有固定顺序,这点并不影响算法给出凸包的准确性。(b)对排号最后的一个点,扫描算法里没有任何删除该点的机制,但是这点也不影响算法给出凸包的准确性。(c)上述程序需要额外加入,判断结束栈内点数小于3和筛选凸包前点数小于3,不能计算多边形面积的情况,可以直接给这种情况赋值0返回。
以上这篇Python求凸包及多边形面积教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
Python,凸包,多边形面积
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]