多边形中点间距离的计算
多边形中点间距离的计算
提问于 2021-08-25 10:15:17
我发现了很多关于如何计算两点之间或从一点到多边形的距离的帖子，但是我只是找不到如何计算每个边的距离。我有一个多边形，坐标是这样的：
[[[623 284]]
[[526 256]]
[[532 189]]
[[504 166]]
[[323 175]]
[[276 219]]
[[119 221]]
[[ 1 272]]
[[ 0 473]]
[[615 479]]]我只想计算每个边的长度。也许我应该用(math.dist(p, q))和for loop什么的？
回答 3
Stack Overflow用户
回答已采纳
发布于 2021-08-25 10:30:28
如果点坐标存储在两个python列表x和y中，那么您可以使用以下方法计算每个边的长度：
import numpy as np
x.append(x[0])
y.append(y[0])
d = [np.sqrt((x[i + 1] - x[i])**2 + (y[i + 1] - y[i])**2) for i in range(len(x) - 1)]需要append才能关闭多边形并计算所有边的长度。使用上面提供的点，边缘距离是：
[100.96038827183659, 67.26812023536856, 36.235341863986875, 181.22361876973983, 64.38167441127949, 157.01273833673497, 128.5496013218244, 201.0024875467963, 615.0292675962665, 195.1640335717624]Stack Overflow用户
发布于 2021-08-29 12:26:16
由于您有一个numpy数组，解决方案变得非常简单：
points
- calculate
- 使用“范数”计算这些向量的长度，这里是L2范数，即欧氏范数
。
这使用了整个数组操作。
import numpy as np
points = np.array([
[[623, 284]],
[[526, 256]],
[[532, 189]],
[[504, 166]],
[[323, 175]],
[[276, 219]],
[[119, 221]],
[[ 1, 272]],
[[ 0, 473]],
[[615, 479]]])
# funny shape because OpenCV. it's a Nx1 vector of 2-channel elements
# fix that up, remove the silly dimension
points.shape = (-1, 2)
# look at the data, how it's moving the values around
following_points = np.roll(points, -1, axis=0)
# vector: difference between following point and this point
vectors = following_points - points
# length of a vector, using the L2/euclidean norm
lengths = np.linalg.norm(vectors, axis=1)
print("distance to following point:")
print(lengths)
# this is just for printing/displaying, not useful in code
print("point and distance to following point:")
print(np.hstack([points, lengths.reshape((-1, 1))]))distance to following point:
[100.96039 67.26812 36.23534 181.22362 64.38167 157.01274 128.5496 201.00249 615.02927 195.16403]-89.72609 -88.20969]
point and distance to following point:
[[623. 284. 100.96039]
[526. 256. 67.26812]
[532. 189. 36.23534]
[504. 166. 181.22362]
[323. 175. 64.38167]
[276. 219. 157.01274]
[119. 221. 128.5496 ]
[ 1. 272. 201.00249]
[ 0. 473. 615.02927]
[615. 479. 195.16403]]Stack Overflow用户
发布于 2021-08-25 10:25:11
有一种数学方法可以轻松地做到这一点。用2D毕达戈尔定理: A(x1，y1) B(x2，x2)
点间距离:d= sqrt( (x2-x1)^2 + (y2-y1)^2 )
作为python脚本，您可以创建如下函数：
import math
A = [1,2]
B = [3, 3]
distance = math.sqrt( (B[0] - A[0])**2 + (B[1] - A[1])**2 )页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68920958
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号