使用matplotlib路径计算轮廓区域

Question

我正在尝试使用matplotlib路径和形状多边形函数来计算特定轮廓线所覆盖的区域，这样做的问题是我的多边形是不规则的并且在其中有孔，并且形状上的Polygpon函数没有＆＃39;知道哪些顶点是外部的，哪些顶点是内部的，因此哪些顶点应该作为多边形的一部分，哪些顶点应该被认为是间隙的一部分。有办法解决这个问题吗？

import numpy as np
import numpy.ma as ma
from shapely.geometry import Polygon
from mpl_toolkits.basemap import Basemap

m = Basemap(projection='cyl',llcrnrlat=-30,urcrnrlat=30,llcrnrlon=30%360,\
            urcrnrlon=-130%360,lat_ts=20,resolution='c');
lons, lats = np.meshgrid(lon_sst, lat_sst);
x, y = m(lons, lats);
levels=[28.5,np.amax(data)]
cs = m.contourf(x,y,data,levels)
cn = cs.collections[0].get_paths()
vs=[]
for i in range(len(cn)):
    vs.append(cn[i].vertices)
area_of_individual_polygons = []
for i in range(len(vs)):
    area_of_individual_polygons.append(Polygon(vs[i]).area)
total_area = np.sum(area_of_individual_polygons)

Answer 1

您的代码有两个问题

1. 您处理的顶点不是您认为的顶点
2. 您的等高线图显示了'＆＃39;你需要从你的总区域删除而不是添加以使绿色阴影的区域正确

但是，让我们从一开始就走吧。 Axes.contourf()会返回QuadContourSet（您存储在cs。这包含matplotlib绘制填充轮廓所需的所有数据。因为您只有两个级别，{{ 1}}只包含一个项目cs.contours。使用PathCollection，您可以获得描述多边形的路径列表。但是，如果仔细观察第一张图片，则会显示更大的绿色形状（让它称之为陆地），其中有一些较小的白洞（让我们称之为湖泊，也可能是山谷）和一些较小的绿色斑块土地质量（让他们称之为岛屿）。问题是土地和湖泊都是所有的路径，而岛屿是分开的路径。

通过首先在一个方向上定义轮廓（例如顺时针方向）然后定义相反方向的湖泊轮廓（然后是逆时针方向）来定义大陆的轮廓。为了让matplotlib知道如何处理这个问题，使用代码将路径分解为多个部分。这里使用了三个代码：cs.collections[0].get_paths()（= 1），Path.MOVETO（= 2）和Path.LINETO（= 79）。您可以使用Path.CLOSEPOLY获取这些代码的列表（参见下文）。每个细分以path.codes开头，以Path.MOVETO结尾，其间有很多Path.CLOSEPOLY个（至少在这种情况下，没有弯曲的路径）。每个代码都有一个相应的顶点（用PATH.LINETO得到的，只有与path.vertices对应的顶点被忽略（通常设置为（0,0）），所以你必须删除它们才能进行最终计算在这些代码的帮助下，每条路径被分成若干段。

在告诉你所有这些之后，你需要做的是不仅从每个路径中检索顶点，还要检索相应的代码。然后，您需要将代码和顶点拆分成段（使用这很简单的代码），然后分别计算每个段的面积。最重要的是，要正确计算阴影区域的面积，您必须对相应的第一个路径段的面积求和，并减去其他段的面积。以下是如何执行此操作的示例：

Path.CLOSEPOLY

这是与上述代码对应的图像。请注意，我概述了黑色中添加的区域以及红色中减去的区域。另请注意，仍有一些极端情况，这会出错（例如湖中的岛屿）。



这里仍然是from matplotlib import pyplot as plt import numpy as np import numpy.ma as ma from shapely.geometry import Polygon from mpl_toolkits.basemap import Basemap from matplotlib.path import Path from matplotlib.patches import PathPatch ##setup lonmin, lonmax = 30%360,-130%360 latmin, latmax = -30, 30 lon_sst = np.linspace(lonmin, lonmax, 50) lat_sst = np.linspace(latmin, latmax, 50) lons, lats = np.meshgrid(lon_sst, lat_sst); ##generating some example data lonmid = 0.5*(lonmin+lonmax) latmid = 0.5*(latmin+latmax) data = ( 10*np.cos(np.deg2rad(lons-lonmid))**2*np.cos(3*np.deg2rad(lats-latmid))**2 -10*np.exp(-0.01*((lons-(lonmin+2*lonmid)/3)**2+2*(lats-latmid)**2)) -10*np.exp(-0.01*((lons-(lonmax+2*lonmid)/3)**2+(lats-latmid)**2)) +10*np.exp(-0.1*((lons-(lonmid+2*lonmax)/3)**2+2*(lats-(latmid+2*latmax)/3)**2)) ) ##opening figure and axes fig,ax = plt.subplots() ##do the Basemap stuff m = Basemap( ax=ax,projection='cyl', llcrnrlat=-30, urcrnrlat=30, llcrnrlon=30%360, urcrnrlon=-130%360, lat_ts=20,resolution='c' ) x, y = m(lons, lats); levels=[2,np.amax(data)] cs = ax.contourf(x,y,data,levels) ##organizing paths and computing individual areas paths = cs.collections[0].get_paths() help(paths[0]) area_of_individual_polygons = [] for p in paths: sign = 1 ##<-- assures that area of first(outer) polygon will be summed verts = p.vertices codes = p.codes idx = np.where(codes==Path.MOVETO)[0] vert_segs = np.split(verts,idx)[1:] code_segs = np.split(codes,idx)[1:] for code, vert in zip(code_segs,vert_segs): ##visualising (not necessary for the calculation) new_path = Path(vert,code) patch = PathPatch( new_path, edgecolor = 'black' if sign == 1 else 'red', facecolor = 'none', lw =1 ) ax.add_patch(patch) ##computing the area of the polygon area_of_individual_polygons.append(sign*Polygon(vert[:-1]).area) sign = -1 ##<-- assures that the other (inner) polygons will be subtracted ##computing total area total_area = np.sum(area_of_individual_polygons) formstring = ''.join(['{:+.2}' for a in area_of_individual_polygons])+'={:.2}' print(formstring.format(*area_of_individual_polygons,total_area)) plt.show() 命令的输出，它只是代码中计算的可视化：

print

希望这可以解决它。