Numpy：基于顶点选取任意凸形区域的实现方案求助

嘿，你说的没错，numpy本身确实没有直接支持任意凸多边形索引的原生功能，但完全不用退回到Python循环！有几个高效又简洁的办法能解决这个问题，我给你详细说说：

方法一：用matplotlib.path快速生成掩码 #

matplotlib的Path类专门用来处理多边形路径，它的contains_points方法可以批量判断大量点是否在多边形内部，底层是C实现，效率非常高，而且支持任意凸（甚至非凸）多边形，完全符合你的需求。

代码示例（对应你给出的10x10数组和顶点）：

import numpy as np
from matplotlib.path import Path

# 定义凸多边形顶点（顺序可以是顺时针或逆时针）
vertices = np.array([(2, 2), (6, 3), (4, 8), (7, 9)])
# 创建初始零数组
arr = np.zeros((10, 10))

# 生成数组所有位置的坐标网格
y_coords, x_coords = np.meshgrid(np.arange(arr.shape[0]), np.arange(arr.shape[1]))
# 将网格坐标转换为N×2的点数组（每个元素是(x,y)）
all_points = np.vstack((x_coords.ravel(), y_coords.ravel())).T

# 创建Path对象并判断点是否在多边形内
polygon_path = Path(vertices)
mask = polygon_path.contains_points(all_points).reshape(arr.shape)

# 应用掩码，将区域设为1
arr[mask] = 1

print(arr)

运行这段代码就能得到你想要的掩码数组，而且处理大尺寸数组时，速度远快于Python循环。

方法二：纯numpy实现凸多边形点内判断 #

如果不想依赖matplotlib，可以利用凸多边形的几何性质：凸多边形内部的所有点，都在每条边的同一侧（比如逆时针排列的顶点，所有内部点在每条边的左侧）。我们可以通过向量叉积来判断点的位置，并用numpy的向量化操作批量处理所有点。

代码示例：

import numpy as np

def point_in_convex_polygon(points, vertices):
    """判断一组点是否在凸多边形内（顶点需按顺时针/逆时针顺序排列）"""
    # 闭合多边形（将第一个顶点追加到末尾）
    closed_vertices = np.vstack([vertices, vertices[0]])
    # 初始化掩码为全True
    mask = np.ones(len(points), dtype=bool)
    
    for i in range(len(closed_vertices) - 1):
        v1, v2 = closed_vertices[i], closed_vertices[i+1]
        # 计算叉积：(v2 - v1) × (point - v1)
        cross_product = (v2[0] - v1[0]) * (points[:, 1] - v1[1]) - \
                        (v2[1] - v1[1]) * (points[:, 0] - v1[0])
        # 凸多边形内部点的叉积符号一致（这里假设顶点是逆时针排列，取>=0）
        mask &= cross_product >= 0
    
    return mask

# 测试代码
vertices = np.array([(2, 2), (6, 3), (4, 8), (7, 9)])
arr = np.zeros((10, 10))

y_coords, x_coords = np.meshgrid(np.arange(arr.shape[0]), np.arange(arr.shape[1]))
all_points = np.vstack((x_coords.ravel(), y_coords.ravel())).T

mask = point_in_convex_polygon(all_points, vertices).reshape(arr.shape)
arr[mask] = 1

print(arr)

这个方法不需要额外依赖，但要注意顶点必须按顺时针或逆时针顺序排列（不能乱序），否则判断会出错。不过你已经明确说明是凸形，只要保证顶点顺序正确就没问题。

总结 #

两种方案都能高效解决你的问题：

• 要是项目里已经用到matplotlib，第一种方法最省心，代码简洁且兼容性好；
• 要是不想引入新依赖，第二种纯numpy实现的方案也能搞定，而且因为用了numpy向量化操作，速度比Python循环快几个数量级。

内容的提问来源于stack exchange，提问作者Skum