已知坐标点集合，获取边缘点集合

获取边缘点集合的算法通常被称为“凸包算法”，其目的是找到一个最小的凸多边形，使得包含所有给定的点。常见的凸包算法有 Graham Scan 算法，Jarvis 算法和 QuickHull 算法。

以 Graham Scan 算法为例，其步骤如下：

1. 找到点集中 y 坐标最小的点（如果有多个，选择 x 坐标最小的点），将其标记为 P0。

2. 将所有其他点按照极角从小到大排序，如果极角相同，则按照距离 P0 的距离从小到大排序。

3. 将排序后的点依次加入凸包中，如果加入该点会使凸包非凸，则将该点与凸包上倒数第二个点之间的所有点删除，直到凸包变为凸形。

4. 直到所有点都被加入凸包中，算法结束。

以下是一个 Python 实现的例子：

def graham_scan(points):
    # 找到 y 坐标最小的点
    p0 = min(points, key=lambda p: (p[1], p[0]))

    # 按照极角排序
    points = sorted(points, key=lambda p: math.atan2(p[1]-p0[1], p[0]-p0[0]))

    # 加入凸包
    hull = [p0, points[0]]
    for p in points[1:]:
        while len(hull) >= 2 and not is_convex(hull[-2], hull[-1], p):
            hull.pop()
        hull.append(p)

    return hull

# 判断三点是否构成凸形
def is_convex(p1, p2, p3):
    return (p2[1]-p1[1])*(p3[0]-p2[0]) > (p3[1]-p2[1])*(p2[0]-p1[0])

其中，points 是点集合，每个点是一个二元组 (x, y)。函数 graham_scan 返回的是凸包点集合，按照顺序连接即可得到凸包。