Graham扫描法求解凸包问题及测试数据

版权申诉
0 下载量 126 浏览量 更新于2024-10-22 收藏 664B RAR 举报
资源摘要信息:"在计算机科学与信息领域,凸包是一个重要的概念,它表示在一组点集合中,能包含所有点的最小凸多边形。grahamScan算法是求解二维平面上一组散乱点的凸包的一种有效方法。本文档标题指出了文档内容涉及的两个主要方面:一是介绍grahamScan算法,二是提供一组用于测试该算法的凸包测试数据。 grahamScan算法的基本思想是从给定的点集中找出一个点,该点是所有点中y坐标最小的点,如果有多个这样的点,则选择最左边的那个点作为起始点。然后按照所有点相对于起始点的极角排序,构建凸包的边,逐一添加到凸包中去。这个过程是通过维护一个栈来实现的,算法的核心在于合理判断何时需要弹出栈顶元素,以保证凸包的性质。 描述中提到的输入数据格式对理解算法操作至关重要。数据以一组组的形式给出,每组数据的第一行包含一个整数n,表示该组数据包含n个点。接下来的n行,每行包含两个正整数,用空格隔开,表示一个点的坐标。当输入行只有一个数0时,表示数据输入结束。 标签中提到的“grahamscan n个点求其凸包 凸包测试数据 求其凸包”进一步明确了文档的核心内容和用途。标签指示读者文档中包含的三个主要知识点:grahamScan算法的名称、处理n个点的问题和凸包测试数据的使用。 压缩包子文件的文件名称列表中的“ff.txt”很可能是文档中所提到的测试数据文件。这表明用户可以使用“ff.txt”文件来测试和验证grahamScan算法的正确性和效率。在实际操作中,用户需将该文件解压,然后根据输入格式要求提供给算法执行,以此来生成凸包的结果,并与预期结果进行对比。 综上所述,文档提供了grahamScan算法的理论基础、使用该算法需要遵循的数据输入规范以及一组用于验证算法的凸包测试数据。用户可以利用这些信息对任意给定的点集进行凸包求解,进而应用于图形识别、路径规划等计算机视觉和算法设计的领域中。"

修改代码使其能够正确运行。import pandas as pd import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.preprocessing import MinMaxScaler import cv2 import open3d as o3d from skimage import color import colour from scipy.spatial import ConvexHull def convert_data(data): res=[] data=data.tolist() for d in data: res.append(tuple(d)) # print(res) return res def load_data_and_plot_scatter(path1="1号屏srgb+rgb16预热10分钟切换0.5s.csv"): df1 = pd.read_csv(path1)[["X", "Y", "Z", "R", "G", "B"]] X1 = df1["X"].values Y1 = df1["Y"].values Z1 = df1["Z"].values df1_c = df1[["R", "G", "B"]].values / 255.0 XYZT = np.array([X1,Y1,Z1]) XYZ = np.transpose(XYZT) ABL = colour.XYZ_to_Lab(XYZ) LABT = np.array([ABL[:,1], ABL[:,2], ABL[:,0]]) LAB = np.transpose(LABT) # 将 numpy 数组转换为 open3d 中的 PointCloud 类型 pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(LAB) # 估计点云法向量 pcd.estimate_normals() # 计算点云的凸包表面 mesh = o3d.geometry.TriangleMesh.create_from_point_cloud_alpha_shape(pcd, alpha=0.1) mesh.compute_vertex_normals() # 获取凸包表面上的点的坐标 surface_points = np.asarray(mesh.vertices) # 显示点云的凸包表面 o3d.visualization.draw_geometries([mesh]) # 创建一个 3D 坐标 fig = plt.figure() # ax = Axes3D(fig) ax = plt.axes(projection='3d') ax.scatter(LAB[:,0], LAB[:,1], LAB[:,2], c=df1_c) # # 设置坐标轴标签 ax.set_xlabel('a* Label') ax.set_ylabel('b* Label') ax.set_zlabel('L Label') # 显示图形 plt.show() if __name__ == "__main__": load_data_and_plot_scatter()

2023-06-12 上传