我有 2 个向量,它们是多边形 8 个顶点的 x 和 y 坐标
x=[5 5 7 7 9 9 5 7]
y=[8 6 6 8 6 8 10 10]
我想对它们进行排序(顺时针)以获得正确的向量(正确绘制多边形)
x=[5 7 9 9 7 7 5 5]
y=[6 6 6 8 8 10 10 8]
第 1 步:找到顶点的未加权平均值:
cx = mean(x);
cy = mean(y);
第2步:找到角度:
a = atan2(y - cy, x - cx);
第 3 步:找到正确的排序顺序:
[~, order] = sort(a);
第 4 步:重新排序坐标:
x = x(order);
y = y(order);
Ben Voigt 算法的 Python 版本(numpy):
def clockwise(points):
x = points[0,:]
y = points[1,:]
cx = np.mean(x)
cy = np.mean(y)
a = np.arctan2(y - cy, x - cx)
order = a.ravel().argsort()
x = x[order]
y = y[order]
return np.vstack([x,y])
例子:
In [281]: pts
Out[281]:
array([[7, 2, 2, 7],
[5, 1, 5, 1]])
In [282]: clockwise(pts)
Out[282]:
array([[2, 7, 7, 2],
[1, 1, 5, 5]])
我尝试了@ben-voight 和@mclafee 的解决方案,但我认为他们的排序方式错误。
使用 atan2 时,角度以下列方式表示:
该角度对于逆时针角度为正(上半平面,y > 0),对于顺时针角度为负(下半平面,y < 0)。
这意味着使用 Numpy 或 Matlab 的升序排序()将逆时针进行。
这可以使用鞋带方程来验证
因此,调整上面提到的答案以在 Matlab 中使用降序排序正确的解决方案是
cx = mean(x);
cy = mean(y);
a = atan2(y - cy, x - cx);
[~, order] = sort(a, 'descend');
x = x(order);
y = y(order);
numpy 中的解决方案是
import numpy as np
def clockwise(points):
x = points[0,:]
y = points[1,:]
cx = np.mean(x)
cy = np.mean(y)
a = np.arctan2(y - cy, x - cx)
order = a.ravel().argsort()[::-1]
x = x[order]
y = y[order]
return np.vstack([x,y])
pts = np.array([[7, 2, 2, 7],
[5, 1, 5, 1]])
clockwise(pts)
pts = np.array([[1.0, 1.0],
[-1.0, -1.0],
[1.0, -1.0],
[-1.0, 1.0]]).transpose()
clockwise(pts)
输出:
[[7 2 2 7]
[5 1 5 1]]
[[2 7 7 2]
[5 5 1 1]]
[[ 1. -1. 1. -1.]
[ 1. -1. -1. 1.]]
[[-1. 1. 1. -1.]
[ 1. 1. -1. -1.]]
请注意[::-1]
用于反转数组/列表。
该算法不适用于非凸多边形。相反,请考虑使用 MATLAB 的 poly2cw()