如何用Python或QGIS将Shapefile简化为特定角度边界？

你提到的这种仅保留0°、45°、90°、135°角度的边界风格，本质是角度约束的几何重塑，而非普通的节点简化，Mapshaper的通用简化算法确实无法满足需求。下面提供QGIS和Python的可行实现方案：

QGIS 实现步骤 #

1. 基础简化预处理
   先对原始Shapefile做初步简化，减少后续计算量：

   • 打开QGIS导入Shapefile，进入「Processing工具箱」→「矢量几何」→「简化几何图形」
   • 选择Douglas-Peucker算法，设置合适的阈值（比如0.1-1度，根据地图尺度调整），保留关键节点即可，不要过度简化。

2. 角度约束的边界重塑
   使用GRASS GIS的专用工具实现角度对齐：

   • 安装并启用GRASS GIS插件，在Processing工具箱中找到「GRASS」→「v.generalize」
   • 参数设置：
     • 输入图层为简化后的边界线（先通过「多边形转线」工具把多边形转成线图层）
     • 简化方法选择angle
     • 设置angle_threshold为45（允许的角度偏差，比如±22.5°，确保线段对齐到最近的目标角度）
     • 目标角度列表填写0,45,90,135,180,225,270,315（覆盖所有反向角度）
   • 运行工具后，将处理后的线图层转回多边形（「线转多边形」工具），即可得到角度约束的边界。

3. 细节优化

   • 对岛屿等小区域单独调整阈值，避免过度变形
   • 使用「修改几何图形」工具手动修正局部异常线段

Python 实现方案 #

用GeoPandas+Shapely自定义角度捕捉逻辑，灵活性更强：

核心代码示例 #

import math
import geopandas as gpd
from shapely.geometry import LineString, Polygon, MultiPolygon

def snap_segment_to_target_angle(line, target_angles):
    """将单条线段对齐到最接近的目标角度"""
    start_x, start_y = line.coords[0]
    end_x, end_y = line.coords[1]
    
    # 计算原始线段角度（归一化到0-360°）
    angle = math.degrees(math.atan2(end_y - start_y, end_x - start_x)) % 360
    
    # 找到最接近的目标角度（考虑360°循环）
    closest_angle = min(
        target_angles,
        key=lambda x: min(abs(x - angle), 360 - abs(x - angle))
    )
    
    # 重新计算终点坐标
    length = line.length
    rad_angle = math.radians(closest_angle)
    new_end_x = start_x + length * math.cos(rad_angle)
    new_end_y = start_y + length * math.sin(rad_angle)
    
    return LineString([(start_x, start_y), (new_end_x, new_end_y)])

def process_geometry(geom, target_angles):
    """处理单个多边形/多多边形几何"""
    if isinstance(geom, Polygon):
        # 处理外环
        exterior_coords = list(geom.exterior.coords)
        new_exterior = [exterior_coords[0]]
        for i in range(len(exterior_coords) - 1):
            segment = LineString([exterior_coords[i], exterior_coords[i+1]])
            snapped_segment = snap_segment_to_target_angle(segment, target_angles)
            new_exterior.append(snapped_segment.coords[1])
        
        # 处理内环（孔洞）
        new_interiors = []
        for interior in geom.interiors:
            interior_coords = list(interior.coords)
            new_interior = [interior_coords[0]]
            for i in range(len(interior_coords) - 1):
                segment = LineString([interior_coords[i], interior_coords[i+1]])
                snapped_segment = snap_segment_to_target_angle(segment, target_angles)
                new_interior.append(snapped_segment.coords[1])
            new_interiors.append(LineString(new_interior))
        
        return Polygon(new_exterior, new_interiors)
    
    elif isinstance(geom, MultiPolygon):
        return MultiPolygon([process_geometry(poly, target_angles) for poly in geom.geoms])
    
    else:
        return geom

# 主流程
if __name__ == "__main__":
    # 读取原始Shapefile
    gdf = gpd.read_file("world_political.shp")
    
    # 先做基础简化（阈值根据地图尺度调整）
    gdf["geometry"] = gdf["geometry"].simplify(tolerance=0.5)
    
    # 定义目标角度（包含反向角度）
    target_angles = [0, 45, 90, 135, 180, 225, 270, 315]
    
    # 应用角度捕捉处理
    gdf["geometry"] = gdf["geometry"].apply(lambda x: process_geometry(x, target_angles))
    
    # 保存结果
    gdf.to_file("world_aligned_boundaries.shp")

优化建议 #

• 先对原始数据做基础简化，减少节点数量，提升处理速度
• 对不同区域（如大陆、小岛）设置不同的简化阈值和角度容差
• 处理后手动修正局部异常（如过于扭曲的小岛屿）

内容的提问来源于stack exchange，提问作者datajournointhewild