所以我有shapely
LineString
:
print np.round(shapely_intersecting_lines.coords).astype(np.int)
>>> array([[ 1520, -1140],
[ 1412, -973]])
这可以解释为numpy
数组以及上面所见。
我希望获得介于两者之间的所有点,也就是说我希望将线之间的点作为整数值。输出应该是这样的:
array([[ 1520, -1140],
[ 1519, -1139],
[ 1519, -1138],
...,
[ 1413, -975],
[ 1412, -974],
[ 1412, -973]], dtype=int32)
我之前在gis.stackexchange发布了这个帖子,希望shapely
中的解决方案有效。首先解决方案很好,然而,解决方案现在太慢了,因为我在代码中运行了50000次。在我的计算机上,每个循环大约需要0.03秒,导致一天的运行。这对我在这里需要的东西来说太慢了,并且希望看到是否有人知道这个的矢量化解决方案。
答案 0 :(得分:3)
Bresenham可能很聪明,但我很确定蛮力矢量化更快。我写了两个变体 - 第一个更容易阅读,第二个更快(80 us vs 50 us)。
更新修正了一个错误(感谢@Varlor)并添加了一个变体。
import numpy as np
from timeit import timeit
def connect(ends):
d0, d1 = np.abs(np.diff(ends, axis=0))[0]
if d0 > d1:
return np.c_[np.linspace(ends[0, 0], ends[1, 0], d0+1, dtype=np.int32),
np.round(np.linspace(ends[0, 1], ends[1, 1], d0+1))
.astype(np.int32)]
else:
return np.c_[np.round(np.linspace(ends[0, 0], ends[1, 0], d1+1))
.astype(np.int32),
np.linspace(ends[0, 1], ends[1, 1], d1+1, dtype=np.int32)]
def connect2(ends):
d0, d1 = np.diff(ends, axis=0)[0]
if np.abs(d0) > np.abs(d1):
return np.c_[np.arange(ends[0, 0], ends[1,0] + np.sign(d0), np.sign(d0), dtype=np.int32),
np.arange(ends[0, 1] * np.abs(d0) + np.abs(d0)//2,
ends[0, 1] * np.abs(d0) + np.abs(d0)//2 + (np.abs(d0)+1) * d1, d1, dtype=np.int32) // np.abs(d0)]
else:
return np.c_[np.arange(ends[0, 0] * np.abs(d1) + np.abs(d1)//2,
ends[0, 0] * np.abs(d1) + np.abs(d1)//2 + (np.abs(d1)+1) * d0, d0, dtype=np.int32) // np.abs(d1),
np.arange(ends[0, 1], ends[1,1] + np.sign(d1), np.sign(d1), dtype=np.int32)]
def connect_nd(ends):
d = np.diff(ends, axis=0)[0]
j = np.argmax(np.abs(d))
D = d[j]
aD = np.abs(D)
return ends[0] + (np.outer(np.arange(aD + 1), d) + (aD>>1)) // aD
ends = np.array([[ 1520, -1140],
[ 1412, -73]])
ends_4d = np.array([[ 100, -302, 101, -49],
[ -100, -45, 112, 100]])
print(connect(ends))
print(connect_nd(ends_4d))
assert np.all(connect(ends)==connect2(ends))
assert np.all(connect(ends)==connect_nd(ends))
assert np.all(connect(ends)==connect(ends[:, ::-1])[:, ::-1])
assert np.all(connect(ends)==connect(ends[::-1])[::-1])
print(timeit('f(ends)', globals={'f': connect, 'ends': ends}, number=10000)*100, 'us')
print(timeit('f(ends)', globals={'f': connect2, 'ends': ends}, number=10000)*100, 'us')
print(timeit('f(ends)', globals={'f': connect_nd, 'ends': ends}, number=10000)*100, 'us')
示例输出:
[[ 1520 -1140]
[ 1520 -1139]
[ 1520 -1138]
...,
[ 1412 -75]
[ 1412 -74]
[ 1412 -73]]
[[ 100 -302 101 -49]
[ 99 -301 101 -48]
[ 98 -300 101 -48]
...,
[ -98 -47 112 99]
[ -99 -46 112 99]
[-100 -45 112 100]]
78.8237597000034 us
48.02509490000375 us
62.78072760001123 us
答案 1 :(得分:0)
使用生成器以便节省内存
import numpy as np
import math
d = np.array(
[
[1520,-1140],
[1412,-973]
],dtype=float);
rise = d[0,1]-d[1,1];
run = d[0,0]-d[1,0];
slope = rise/run;
print slope
fromPt = d[0];
sign = 1
if (slope<0):
sign = -1;
points = ([d[0,0]+sign*i,math.floor(d[0,1]+(sign*i*slope))] for i in xrange(1+int(math.ceil(abs(d[0,0]-d[1,0])))))
for pt in points:
print pt
答案 2 :(得分:0)
这里的Bresenhams线算法作为生成器。如果你想要一个列表,只需在输出上调用list():
def line(x0, y0, x1, y1):
deltax = x1-x0
dxsign = int(abs(deltax)/deltax)
deltay = y1-y0
dysign = int(abs(deltay)/deltay)
deltaerr = abs(deltay/deltax)
error = 0
y = y0
for x in range(x0, x1, dxsign):
yield x, y
error = error + deltaerr
while error >= 0.5:
y += dysign
error -= 1
yield x1, y1