如何在Python中用Shapely和Matplotlib移除狭长小多边形？

问题背景 #

用Shapely从6个点生成缓冲圆后，通过unary_union和polygonize提取重叠区域的独立多边形时，在靠近(4,0)的中心位置出现7个极小多边形，导致手动着色操作繁琐。尝试用膨胀腐蚀（先缓冲再反向缓冲）移除这类狭长小多边形，但因circles是列表对象无法直接调用buffer方法报错，希望通过面积筛选移除小多边形。

解决方案：按面积过滤多边形 #

直接在生成最终多边形列表时加入面积判断条件，就能过滤掉微小多边形。修改polygonize后的列表推导式，添加面积阈值判断即可：

# 原代码
# result = [geom for geom in polygonize(union)]

# 修改后：添加面积过滤，阈值可根据实际情况调整
area_threshold = 0.01  # 可根据小多边形的实际面积调整
result = [geom for geom in polygonize(union) if geom.area > area_threshold]

这样会自动剔除所有面积小于area_threshold的微小多边形，无需手动注释对应的多边形和质心。

额外说明：膨胀腐蚀的正确用法 #

如果想尝试膨胀腐蚀方法，需要遍历circles列表中的每个多边形单独处理，不能直接对列表调用buffer：

eps = 0.001
# 遍历每个圆进行膨胀腐蚀操作
circles_cleaned = [circle.buffer(eps).buffer(-eps) for circle in circles]
# 之后用处理后的circles_cleaned继续后续的unary_union等操作

不过这种方法可能会轻微改变原多边形的形状，相比之下按面积过滤的方式更精准，不会影响正常多边形的结构。

代码调整后的注意事项 #

过滤后result的长度会减少，建议使用自动生成的颜色方案，避免手动设置的colors列表长度不匹配：

# 替换手动颜色列表，使用自动生成的颜色
colors = cm.viridis(np.linspace(0, 1, len(result)))

内容的提问来源于stack exchange，提问作者Doda