如何基于点坐标创建布尔掩码？含内外点判定及数学解法

初始点集（外部点零散分布，内部点构成闭合多边形）：

需要生成布尔掩码，外部点标记为True，内部点标记为False，最终效果如下：

核心目标是得到外部点的索引数组，需解决三个问题：

1. 该需求是否可实现？
2. 如何不依赖形状的方向、大小实现？
3. 背后的数学思路是什么？

1. 需求完全可行 #

只要内部点构成无自相交的简单闭合多边形，就能准确区分内外点，生成目标掩码和索引数组。

2. 通用实现方案（与形状方向、大小无关） #

以Python为例，借助计算几何库快速实现，步骤清晰：

1. 提取内部点，按顺序（顺时针/逆时针均可）组成闭合多边形的顶点序列
2. 遍历所有点，逐个判断是否在多边形内部
3. 基于判断结果生成布尔掩码，再筛选出外部点的索引

代码示例 #

from shapely.geometry import Point, Polygon
import numpy as np

# 替换为你的实际点集数据
points = np.array([[0,0], [1,1], [2,0], [1,3], [0.5,1.5]])  # 所有点的坐标集合
inner_points = np.array([[1,1], [2,0], [1,3]])  # 内部闭合多边形的顶点（需按顺序排列）

# 创建多边形对象
polygon = Polygon(inner_points)

# 生成布尔掩码：外部点标记为True，内部点标记为False
mask = np.array([not Point(p).within(polygon) for p in points])

# 获取外部点的索引数组
outer_indices = np.where(mask)[0]

这个方案不限制多边形的方向、尺寸，只要内部点是闭合的简单多边形就能正常工作。如果不想依赖第三方库，也可以自行实现射线法的判断逻辑。

3. 数学核心思路 #

核心是点-in-多边形的判断算法，主流有两种：

射线法（Ray Casting Algorithm） #

• 从目标点向右发射一条水平射线
• 统计射线与多边形边的交点数量：
  • 交点数为奇数 → 点在内部
  • 交点数为偶数（含0）→ 点在外部
• 特殊情况处理：若射线穿过多边形顶点或边，需通过规则修正（比如只统计从下方穿过顶点的情况），避免误判。

环绕数算法（Winding Number Algorithm） #

• 计算目标点对多边形每条边的环绕次数，累计得到总环绕数
• 若总环绕数≠0 → 点在内部；否则在外部
• 原理是利用向量叉积判断边相对于点的转向，精度更高，但计算量略大于射线法。

内容的提问来源于stack exchange，提问作者Certes