输入顶点序列,判断是否为凸多边形

python实现

思路:

  • 首先,需要对顶点进行排序,顺时针或逆时针;
  • 排序后,对每一条边,都判断其他点是否在边的同一侧。

1. 顶点排序

这里主要是用到向量积。对于xy平面上的两个向量,其向量积为(0, 0, z)向量,判断z的符号,通过右手系就可知道两个向量是顺时针还是逆时针了。

设有N个顶点,在其中随机选取一点A,我这里是用的序列中第一个点。以该点为起点,其他点为终点,得到N-1个向量。在这N-1个向量中,找到一个向量,其与其他向量的向量积的z都大于零(就是要得到逆时针的点序列。也可以是都小于零,这样得到的点序列就是顺时针了)。找到该向量之后,也就找到了相对A点第一个逆时针的点。将该向量删除,在剩下的向量中重复该过程,直到最后一个向量为止。

# 计算两个向量的向量积
# v1[0] --- x1, v1[1] --- y1
# v2[0] --- x2, v2[1] --- y2
def vec_prod(v1, v2):
    Z = v1[0]*v2[1] - v1[1]*v2[0]
    # 逆时针
    if Z > 0:
        return 1
    # 顺时针
    elif Z < 0:
        return -1
    # 三点共线
    else:
        return False
# 该函数对点序列按逆时针排序
# points[0] --- (x1, y1)
# points[1] --- (x2, y2)
# ...
def order_points(points):
    first = points[0]
    result = list()
    result.append(first)
    vectors = []

    for point in points[1:]:
        vectors.append((point[0] - first[0], point[1] - first[1]))

    vec_num = len(vectors)

    while vectors:
        if len(vectors) == 1:
            result.append((vectors[0][0]+first[0], vectors[0][1]+first[1]))
            vectors.pop()
        else:
            for i, v in enumerate(vectors):
                sign = list()

                for t in vectors[0:i] + vectors[i+1:]:
                    sign.append(vec_prod(v, t))

                sign = set(sign)

                if False in sign:
                    return False

                # 都是逆时针了
                elif len(sign) == 1 and list(sign)[0] == 1:
                    result.append((v[0] + first[0], v[1] + first[1]))
                    vectors.pop(i)
                    break

            # 意思是,当在所有向量上查找一次了,还没有找到一条与所有向量的向量积的z都大于0的那个向量,就返回False
            # 这种情况只可能发生在非凸多边形中
            # 在凸多边形中不可能有这种情况
            # 因为在凸多边形中,起点相同的所有向量的夹角不会大于180度。
            if i == vec_num - 1 and len(vectors) == vec_num:
                return False
    return result
>>> points = [[1, 1], [0, 1], [1, 0], [0, -1], [-1, 0]]
>>> print(order_points(points))
[[1, 1], (0, 1), (-1, 0), (0, -1), (1, 0)]

2. 判断其他点是否在边的同一侧

顶点排序之后,可对每条边,看看其他点是否在边的同一侧。使用函数距离来看看正负即可,也就是将点的坐标带入边的直线方程中,看看结果的正负,这是不用看是否位于线上,因为上面计算向量积是已经判断过了。

# line --- 边
# point --- 点
def fun_dist(line, point):
    x1 = line[0][0]
    x2 = line[1][0]
    y1 = line[0][1]
    y2 = line[1][1]

    x = point[0]
    y = point[1]

    # 需要判断边是否垂直x或y轴
    if x1 == x2:
        tmp = x
    elif y1 == y2:
        tmp = y
    else:
        tmp = (y1 - y2) / (x1 - x2) * (x - x1) + y1 - y

    return 1 if tmp > 0 else -1
# points必为排序后的点
# points[0] --- (x1, y1)
# points[1] --- (x2, y2)
# ...
def one_sied(points):
    result = list()
     # 遍历所有线
    for i in range(len(points)-1):
        line = points[i:i+2]
        res = list()
        # 对线之外的其他点进行判断
        for p in points[:i] + points[i+2:]:
            res.append(fun_dist(line, p))
        res = set(res)
        result.append(len(res))

    result = set(result)
    return True if len(result) == 1 else False

3. 合在一起

def convex(points):
    # 返回的点是逆时针排序的
    points = order_points(points)

    if points == False:
        return False

    result = one_sied(points)

    return result
>>> points = [[1, 1], [0, 1], [1, 0], [0, -1], [-1, 0]]
>>> result = convex(points)
>>> print(result)
True

可以使用plt.ginput()自己在图上获取点坐标,验证一下。

>>> x = np.linspace(-10, 10, 20)
>>> y = x * 0.5
>>> plt.plot(x,y)
>>> points = plt.ginput(8)
>>> points
[(-9.048387096774194, -5.547619047619044),
 (-7.318548387096774, 6.595238095238102),
 (-3.237903225806452, 11.952380952380963),
 (2.6169354838709697, 10.642857142857153),
 (7.71774193548387, 4.333333333333343),
 (7.895161290322582, -6.4999999999999964),
 (4.346774193548386, -15.071428571428568),
 (-2.92741935483871, -13.999999999999996)]
>>> result = convex(points)
>>> print(result)
True
>>> plt.plot(x,y)
>>> points = plt.ginputs(8)
>>> points
[(-8.07258064516129, 2.428571428571434),
 (-4.30241935483871, 15.523809523809533),
 (2.7500000000000018, 14.333333333333343),
 (7.495967741935486, 0.7619047619047663),
 (3.459677419354838, -10.190476190476186),
 (-4.391129032258064, -11.499999999999996),
 (-4.258064516129032, -0.3095238095238031),
 (6.254032258064518, 11.119047619047628)]
>>> result = convex(points)
>>> print(result)
False
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容