检查多边形中的点包含：光线追踪与 Matplotlib
要确定点是否位于多边形内，有两种主要方法：常用：光线追踪和Matplotlib的path.contains_points。然而，第三个选项 Shapely 为几何计算提供了专用解决方案。
Matplotlib 的 path.contains_points
这种方法已被证明在基准测试中明显更快，如提供的代码片段所示。其速度优势使其成为需要频繁进行点遏制检查的场景的合适选择。
光线追踪方法
虽然光线追踪最初被认为是推荐的方法，但其性能已经已被 Matplotlib 的 path.contains_points 超越。该代码演示了此方法的实现，其中涉及迭代多边形边并计算交集。虽然它比 path.contains_points 慢，但它仍然是一个可靠的替代方案。
Shapely
Shapely 提供了一个用于几何操作的专用库，包括多边形中的点包含。它的 contains 方法提供了一个易于使用的界面来确定点成员资格。然而，值得注意的是，它的精度可能并不适合所有应用，因为它假设查询点处没有顶点的连续多边形。
基于像素的网格优化
在不需要高精度的场景中，创建基于像素的布尔值网格可以提供高效且快速的替代方案。通过将 True 分配给位于多边形内的网格元素，将 False 分配给多边形之外的网格元素，可以使用网格索引来计算后续的点包含检查。
以上是多边形中的点：光线追踪与 Matplotlib - 哪种方法获胜？的详细内容。更多信息请关注PHP中文网其他相关文章！
