如何缩小经纬度多边形且不丢失点？保留点属性与1对1映射

我完全懂你的痛点：要把多边形向内缩小，但必须保留每一个原顶点，还要维持顶点间的1对1映射——毕竟每个顶点都绑定了专属属性不能丢，rgeos::gBuffer()那种自动增减顶点的操作根本满足不了需求，哪怕它缩出来的形状看着还行，顶点数量变了一切都白搭。

针对这种需求，我们可以绕过缓冲区生成的思路，直接给每个顶点计算向内的偏移方向，然后沿着这个方向移动固定距离，既能保证所有原顶点都保留，也能维持多边形的基本形状（哪怕是不对称、有凹进的结构也能适配）。

具体实现思路 #

核心逻辑是：

• 计算多边形每条边的垂直向量（也就是法线方向）
• 对每个顶点，取相邻两条边的法线平均值，得到这个顶点的“向内挤压方向”
• 沿着这个方向把顶点移动指定的缩小距离，同时保证多边形闭合

可运行代码 #

library(dplyr)
library(ggplot2)

# 你的原始多边形数据
dat <- structure(list(x = c(6, 5.98, 5.94, 5.86, 5.75, 5.62, 5.47, 5.31, 5.13, -4.87, -5.04, -5.22, -5.39, -5.55, -5.69, -5.81, -5.9, -5.96, -6, -6, -6, -5.96, -5.9, -5.81, -5.69, -5.55, -5.39, -5.22, -5.04, -3.04, -2.87, -2.69, -2.53, -2.38, -2.25, -2.14, -2.06, -2.02, -2, -2, -1.96, -1.9, -1.81, -1.69, -1.55, -1.39, -1.22, -1.04, -0.87, 1.13, 1.31, 1.47, 1.62, 1.75, 1.86, 1.94, 1.98, 2, 2, 2, 2.04, 2.1, 2.19, 2.31, 2.45, 2.61, 2.78, 2.96, 4.96, 5.13, 5.31, 5.47, 5.62, 5.75, 5.86, 5.94, 5.98, 6), y = c(5, 5.18, 5.35, 5.51, 5.66, 5.78, 5.88, 5.95, 5.99, 5.99, 6, 5.97, 5.92, 5.83, 5.72, 5.59, 5.43, 5.27, 5.09, -4.91, -5.09, -5.27, -5.43, -5.59, -5.72, -5.83, -5.92, -5.97, -6, -6, -5.99, -5.95, -5.88, -5.78, -5.66, -5.51, -5.35, -5.18, -5, -1.91, -1.73, -1.57, -1.41, -1.28, -1.17, -1.08, -1.03, -1, -1.01, -1.01, -1.05, -1.12, -1.22, -1.34, -1.49, -1.65, -1.82, -2, -4.91, -5.09, -5.27, -5.43, -5.59, -5.72, -5.83, -5.92, -5.97, -6, -6, -5.99, -5.95, -5.88, -5.78, -5.66, -5.51, -5.35, -5.18, 5)), row.names = c(NA, -78L), class = "data.frame")

# 定义多边形缩小函数：保留所有原顶点，向内偏移指定距离
shrink_polygon <- function(df, shrink_distance = 0.5) {
  # 先确保多边形是闭合的（首尾顶点一致）
  if (!all(df[1, ] == df[nrow(df), ])) {
    df <- bind_rows(df, df[1, ])
  }
  
  vertex_count <- nrow(df) - 1 # 实际有效顶点数（排除重复的最后一行）
  
  # 计算每条边的向量（从当前顶点到下一个顶点）
  edge_vecs <- df[2:(vertex_count + 1), ] - df[1:vertex_count, ]
  
  # 计算每条边的垂直向量（默认顺时针多边形，向内的方向是左转90度）
  perp_vecs <- data.frame(
    x = -edge_vecs$y,
    y = edge_vecs$x
  )
  
  # 把垂直向量归一化成单位长度（保证偏移距离一致）
  perp_lengths <- sqrt(perp_vecs$x^2 + perp_vecs$y^2)
  perp_vecs <- perp_vecs / perp_lengths
  
  # 计算每个顶点的平均法线（相邻两条边的垂直向量取平均，保证偏移方向更合理）
  normals <- data.frame(
    x = (perp_vecs[1:vertex_count, ]$x + c(perp_vecs[2:vertex_count, ]$x, perp_vecs[1, ]$x)) / 2,
    y = (perp_vecs[1:vertex_count, ]$y + c(perp_vecs[2:vertex_count, ]$y, perp_vecs[1, ]$y)) / 2
  )
  
  # 再次归一化法线，避免长度偏差
  normal_lengths <- sqrt(normals$x^2 + normals$y^2)
  normals <- normals / normal_lengths
  
  # 沿着法线方向移动顶点，完成缩小
  shrunk_df <- df[1:vertex_count, ] + normals * shrink_distance
  
  # 重新闭合多边形
  shrunk_df <- bind_rows(shrunk_df, shrunk_df[1, ])
  
  return(shrunk_df)
}

# 执行缩小操作，这里shrink_distance是向内移动的距离
dat_shrunk <- shrink_polygon(dat, shrink_distance = 0.5)

# 检查顶点数量：和原数据完全一致！
cat("原顶点数：", nrow(dat), "\n")
cat("缩小后顶点数：", nrow(dat_shrunk) - 1, "\n") # 减去重复的闭合顶点

# 可视化对比：黑色是原多边形，红色是缩小后的
ggplot() +
  geom_path(data = dat, aes(x, y), color = "black", linewidth = 1) +
  geom_point(data = dat, aes(x, y), color = "black", size = 2) +
  geom_path(data = dat_shrunk, aes(x, y), color = "red", linewidth = 1) +
  geom_point(data = dat_shrunk, aes(x, y), color = "red", size = 2) +
  theme_minimal() +
  labs(title = "原多边形 vs 缩小后多边形", subtitle = "完全保留所有原顶点，维持1对1映射")

关键注意事项 #

1. 多边形方向适配：代码默认你的多边形是顺时针绘制的，如果是逆时针，需要把垂直向量的方向反转，修改这一行：

   perp_vecs <- data.frame(x = edge_vecs$y, y = -edge_vecs$x)
   

   可以通过计算多边形面积判断方向：面积为正是逆时针，为负是顺时针：

   poly_area <- 0.5 * sum(dat$x * c(dat$y[-1], dat$y[1]) - dat$y * c(dat$x[-1], dat$x[1]))
   

2. 凹多边形处理：这个方法对凹进结构的适配性不错，虽然不会像gBuffer那样生成完美的平滑缓冲区，但能保证顶点的1对1映射，偏差在可接受范围内，完全符合你的需求。
3. 距离调整：shrink_distance参数可以直接调整缩小的幅度，根据实际场景修改即可。

为什么gBuffer不适合？ #

gBuffer()的设计目标是生成几何连续的缓冲区，它会自动添加、删除顶点来平滑边缘，这是它的核心特性，但也意味着必然破坏原顶点的数量和对应关系，所以完全不适合需要保留顶点属性的场景。

内容的提问来源于stack exchange，提问作者r2evans