python中的行平滑算法？

Question

我正在研究线路泛化，它将用于获得从大比例尺到小比例尺的广义道路网图。我正在使用两个操作和两个算法。它是使用shapefile库在python编程语言中完成的，它用于2d中的矢量数据。 操作：选择和消除。 为了选择我使用条件，所有道路，宽度超过7米选择，它与道路的属性功能相关联。 与所有道路一样消除，宽度小于5米，消除。 到目前为止，没有太多问题。

在应用选择和消除操作后，我们将有形状文件，通过条件的道路。 我使用两种算法，线简化和线平滑。 为了简化线路，我使用了Douglas-Peucker的线简化算法。它采用矢量数据（坐标）并基于公差去除一些点。我是用Python编程语言做的。在获得简化的线条后，需要进行一些编辑，如线条平滑。 在这里，我使用高斯算法，但它返回一些错误，我不明白，因为我是编程环境的新手

import numpy

 ### This is the Gaussian data smoothing function I wrote ###  

def smoothListGaussian(list1,degree):  

     window=degree*2-1  

     weight=numpy.array([1.0]*window)
     print weight

     weightGauss=[]  

     for i in range(window):  

         i=i-degree+1  

         frac=i/float(window)  

         gauss=1/(numpy.exp((4*(frac))**2))  

         weightGauss.append(gauss)  

     print weightGauss
     weight=numpy.array(weightGauss)*weight
     print weight
     print len(list1)-window


     smoothed=[0.0]*(len(list1)-window)
     print smoothed

     for i in range(len(smoothed)):  

         smoothed[i]=sum(numpy.array(list1[i:i+window])*weight)/sum(weight)  

     return smoothed


a=[[78.03881018900006, 30.315651467000066], [78.044901609000078, 30.31512798600005], [78.04927981700007, 30.312510579000048], [78.050041244000056, 30.301755415000059], [78.072646124000073, 30.281720353000082], [78.07902308000007, 30.273344651000059]]

smoothListGaussian(a,3)

任何想法，请。 或者，如果python中有任何其他算法使用行中每个点的坐标来平滑矢量数据中的行

任何答案都赞赏！

Answer 1

您可以通过以下代码来平滑路径：

from scipy.ndimage import gaussian_filter1d
import numpy as np
a=np.array([[78.03881018900006, 30.315651467000066],
 [78.044901609000078, 30.31512798600005], 
 [78.04927981700007, 30.312510579000048],
 [78.050041244000056, 30.301755415000059],
 [78.072646124000073, 30.281720353000082],
 [78.07902308000007, 30.273344651000059]])

x, y = a.T
t = np.linspace(0, 1, len(x))
t2 = np.linspace(0, 1, 100)

x2 = np.interp(t2, t, x)
y2 = np.interp(t2, t, y)
sigma = 10
x3 = gaussian_filter1d(x2, sigma)
y3 = gaussian_filter1d(y2, sigma)

x4 = np.interp(t, t2, x3)
y4 = np.interp(t, t2, y3)

plot(x, y, "o-", lw=2)
plot(x3, y3, "r", lw=2)
plot(x4, y4, "o", lw=2)

以下是结果：蓝色圆点是原始数据，红色曲线是包含许多点的平滑曲线，如果您想要与原始数据相同的点数，则可以从红色曲线中采样并获得绿色点。

您可以设置sigma来更改gaussian_filter1d()的平滑等级。

Answer 2

我猜您使用了here中的代码。您应该注意，代码是针对单维数据点而不是针对多维数据点的。

我不太了解高斯平滑算法，但在仅简要介绍您的代码之后，我相信以下是您正在尝试做的事情（我不确定它是否会为您提供结果）欲望）。使用以下代码替换代码的最后一部分：

smoothed=[0.0,0.0]*(len(list1)-window)
print smoothed

for i in range(len(smoothed)):
    smoothing=[0.0,0.0]
    for e,w in zip(list1[i:i+window],weight):
        smoothing=smoothing+numpy.multiply(e,w)
    smoothed[i]=smoothing/sum(weight)