点集凸包算法python实现（二）

算法逻辑

在点集凸包算法python实现这篇博客中介绍了一种凸包算法，这种算法中凸包点搜索的过程较为麻烦，主要是因为计算点集连线与X轴的夹角需要考虑到四个不同象限，在这里通过计算向量夹角的方式，对凸包点集的搜索过程进行了优化

算法逻辑如下图所示：

python代码实现

from osgeo import ogr, gdalconst, osr
import numpy as npdef getAlfa(startPoint, endPoint):dx = endPoint[0] - startPoint[0]dy = endPoint[1] - startPoint[1]if dx == 0:if dy > 0:return np.pi / 2elif dy < 0:return 3 * np.pi / 2else:return np.pialfa = np.arctan(dy / dx)if dx < 0:alfa += np.pielif dy < 0:alfa += np.pi * 2return alfadef convexHull(xys: np.array):convexPoints = []ymin = np.min(xys, axis=0)[1]index = np.where(xys[:, 1] == ymin)[0][0]convexPoints.append(xys[index, :])n = 1while True:startPoint=convexPoints[-1]if n==1:previousPoint=np.array([startPoint[0]+100,startPoint[1]])else:previousPoint=convexPoints[-2]index=0minCosAngle=0v1=previousPoint-startPointfor i in range(xys.shape[0]):nextPoint=xys[i,:]v2=nextPoint-startPointcosAngle=np.dot(v1,v2)/(np.sqrt(np.sum(v1**2))*np.sqrt(np.sum(v2**2)))if i==0:index=iminCosAngle=cosAngleelse:if cosAngle<minCosAngle:minCosAngle=cosAngleindex=iconvexPoints.append(xys[index,:])n+=1xys=np.delete(xys,index,axis=0)firstPoint=convexPoints[0]endPoint=convexPoints[-1]if firstPoint[0]==endPoint[0] and firstPoint[1]==endPoint[1]:breakwktPolygon = ""for i in range(n):x = convexPoints[i][0]y = convexPoints[i][1]wktPolygon = '{} {},'.format(x, y) + wktPolygonwktPolygon = wktPolygon[0:-1]wktPolygon = "POLYGON(({}))".format(wktPolygon)return wktPolygonif __name__ == "__main__":ogr.RegisterAll()ds = ogr.Open("./point.shp", gdalconst.GA_ReadOnly)oLay = ogr.DataSource.GetLayer(ds, 0)ogr.Layer.ResetReading(oLay)xys = []while True:oFea = ogr.Layer.GetNextFeature(oLay)if oFea == None:breakoPoi = ogr.Feature.GetGeometryRef(oFea)x = ogr.Geometry.GetX(oPoi)y = ogr.Geometry.GetY(oPoi)xys.append([x, y])xys = np.array(xys)wktPolygon = convexHull(xys)driver = ogr.GetDriverByName("ESRI Shapefile")convexds = ogr.Driver.CreateDataSource(driver, "convexHull.shp")srs = ogr.Layer.GetSpatialRef(oLay)convexLay = ogr.DataSource.CreateLayer(convexds, "convexhull", srs, ogr.wkbPolygon)labelField = ogr.FieldDefn("label", ogr.OFTInteger)ogr.Layer.CreateField(convexLay, labelField)convexFea = ogr.Feature(ogr.Layer.GetLayerDefn(convexLay))ogr.Feature.SetField(convexFea, "label", 1)convexPolygon = ogr.CreateGeometryFromWkt(wktPolygon)ogr.Feature.SetGeometry(convexFea, convexPolygon)ogr.Layer.CreateFeature(convexLay, convexFea)ogr.DataSource.Destroy(convexds)ogr.DataSource.Destroy(ds)print('ok!')

代码运行结果

点集凸包算法python实现（二）相关推荐

凸包计算几何matlab,计算几何-凸包算法 Python实现与Matlab动画演示
凸包算法是计算几何中的最经典问题之一了.给定一个点集,计算其凸包.凸包是什么就不罗嗦了本文给出了<计算几何--算法与应用>中一书所列凸包算法的Python实现和Matlab实现,并给出了 ...
凸包计算几何matlab,計算幾何-凸包算法 Python實現與Matlab動畫演示
凸包算法是計算幾何中的最經典問題之一了.給定一個點集,計算其凸包.凸包是什么就不羅嗦了本文給出了<計算幾何--算法與應用>中一書所列凸包算法的Python實現和Matlab實現,並給出了 ...
【知识发现】隐语义模型LFM算法python实现(二)
http://blog.csdn.net/fjssharpsword/article/details/78015956 基于该篇文章中的代码优化,主要是在生成负样例上提高执行速度,代码参考如下: # ...
数据结构与算法(Python版)二十二：递归可视化（谢尔宾斯基三角形）
谢尔宾斯基Sierpinski三角形分形构造, 平面称谢尔宾斯基三角形, 立体称谢尔宾斯基金字塔谢尔宾斯基三角形:作图思路根据自相似特性, 谢尔宾斯基三角形是由3个尺寸减半的谢尔宾斯基三角形按照 ...
Graham-Scan算法计算凸包的Python代码实现
对于一个点集P来讲,它的凸包就是一个凸多边形Q,其中满足P中的每个点都在Q的边界上或内部.就像下图所示凸包的计算算法有好多种,wiki和算法导论第33章中都有比较详细的介绍,比如下面是算法导论中给出 ...
python 卡方分箱算法_python实现二分类的卡方分箱示例
解决的问题: 1.实现了二分类的卡方分箱: 2.实现了最大分组限定停止条件,和最小阈值限定停止条件: 问题,还不太清楚,后续补充. 1.自由度k,如何来确定,卡方阈值的自由度为分箱数-1,显著性水平 ...
凸包问题-Graham-Scan算法-python实现
一般来说凸包问题有三种解决方式:蛮力法.Graham-Scan法和分治法.关于蛮力法和分治法的python实现可参考博文:蛮力法.分治法,博主写的很清晰. 这里主要介绍Graham-Scan算法的实现 ...
【Python数学建模常用算法代码（二）之BP神经网络】
Python数学建模常用算法代码(二) BP神经网络模型Python代码 import numpy as np import math import random import string impo ...
Python预测之美数据分析与算法实战（二）
Python预测之美数据分析与算法实战第一篇预测入门第一章到第四章第二篇预测算法第五章参数优化在使用选定算法进行建模时设定或得到的参数很可能不是最优或接近最优的,这时需要对参数进行优 ...

点集凸包算法python实现（二）

算法逻辑

python代码实现

代码运行结果

点集凸包算法python实现（二）相关推荐

最新文章

热门文章