Python中2D点集alpha shape（凹包）计算结果不符合预期问题求解

你对alphashape库的调用没有语法错误，结果不符合预期的核心问题出在两点：

• 点集坐标尺度严重失衡：你的点集X轴取值范围是[-18.16, 0.32]，跨度接近18，Y轴取值范围是[3.02, 5.67]，跨度不到3，两个轴的尺度差超过6倍。而alphashape的alpha参数是基于各向同性的欧氏距离计算的，默认对X、Y轴的权重完全一致，在尺度失衡的情况下无论怎么调整alpha都不可能同时匹配两个轴的边界特征。
• 左侧点存在大量近似共线的样本：X<-1的点几乎都分布在y≈3和y≈3.28两条水平线上，共线点的Delaunay三角剖分结果会产生大量狭长三角形，alpha过滤规则很容易把本该保留的边界边误判为内部边删除。

先对坐标做标准化处理，将X、Y轴都缩放到[0,1]区间，计算得到凹包后再还原到原始坐标尺度即可，修改后的代码如下：

import numpy as np
import alphashape
from descartes import PolygonPatch
import matplotlib.pyplot as plt

points = np.array(
[[0.16,3.98],
[-0.48,3.33],
[-0.48,4.53],
[0.1,3.67],
[0.04,5.67],
[-7.94,3.02],
[-18.16,3.07],
[-0.15,5.67],
[-0.26,5.14],
[-0.1,5.11],
[-0.96,5.48],
[-0.03,3.86],
[-0.12,3.16],
[0.32,4.64],
[-0.1,4.32],
[-0.84,4.28],
[-0.56,3.16],
[-6.85,3.28],
[-0.7,3.24],
[-7.2,3.03],
[-1.0,3.28],
[-1.1,3.28],
[-2.4,3.28],
[-2.6,3.28],
[-2.9,3.28],
[-4.5,3.28],
[-12.3,3.28],
[-14.8,3.28],
[-16.7,3.28],
[-17.8,3.28],
[-0,3.03],
[-1,3.03],
[-2.1,3.03],
[-2.8,3.03],
[-3.2,3.03],
[-5,3.03],
[-12,3.03],
[-14,3.03],
[-17,3.03],
[-18,3.03],
[-0.68,4.86],
[-1.26,3.66],
[-1.71,3.51],
[-9.49,3.25]])

# 坐标标准化处理
x_min, x_max = points[:,0].min(), points[:,0].max()
y_min, y_max = points[:,1].min(), points[:,1].max()
points_norm = (points - [x_min, y_min]) / [x_max - x_min, y_max - y_min]

# 标准化后使用alpha=5即可得到符合预期的凹包
alpha = 5
ashape_norm = alphashape.alphashape(points_norm, alpha)

# 凹包坐标还原到原始尺度
ashape_coord = np.array(ashape_norm.exterior.coords)
ashape_coord = ashape_coord * [x_max - x_min, y_max - y_min] + [x_min, y_min]

# 绘图验证
fig = plt.figure()
ax = plt.gca()
ax.scatter(points[:,0],points[:,1])
ax.fill(ashape_coord[:,0], ashape_coord[:,1], alpha=0.2)
plt.show()

如果对边界精度要求更高，可以增加两个优化步骤：

• 计算alpha前先对共线点做过滤，删除三点共线的中间冗余点，减少狭长三角面的产生
• 得到凹包边界后，用Ramer–Douglas–Peucker算法对边界做平滑处理，去除不必要的锯齿

内容的提问来源于stack exchange，提问作者shanryan