对于 Numpyer 专家来说，这是一个困难的问题!
有人知道或可以想出一种方法来使用纯 Numpy 数组和函数在 numpy 数组网格上绘制和填充彩色多边形吗？
我认为这需要两个步骤:
- 能够用颜色值填充网格数组，以便 多边形填充可以用一种颜色书写，轮廓在 另一个。对于这样的系统，什么是理想和最快的，例如 rgb 值、颜色名称字符串等的元组？
- 绘制和填充多边形内部的能力 其像素坐标的数组。画出它的轮廓我想 只需使用坐标作为索引应该很容易 网格数组并将它们设置为轮廓颜色值。更多的 困难的是填充多边形。一种方法是迭代 通过所有像素单元坐标(或者更好的是仅针对 每个多边形坐标点的相邻单元格)并测试其是否 坐标在多边形像素坐标内。我知道那里 是一些简单的内外/大于小于算法 使用常规 Python 测试多边形中的点，但出于我的目的 会太慢，我想知道是否有人有 numpy 技能 仅使用速度来设置这样一个高级链接代码 numpy 内置函数在 numpy 像素坐标时返回 True 在多边形内。
- 最后，如果有人知道如何在两者之间画一条线 通过填充其间的所有单元格来进行像素/网格/数组坐标 两个具有真值或颜色值的像素？
我知道这是一项艰巨的任务，但我只是想看看是否有人知道。如果是这样，那么这可能会成为一个非常强大且快速的基于 Numpy 的绘图库。最后我想将网格数组保存为图像，通过将其传递给 PIL 很容易。
我知道 PIL 和 Aggdraw 可以绘制多边形，并且在许多类似的帖子中都提到了这一点，但是在接收 xy 多边形/线坐标的 numpy 数组时它们不是很有效。这里的假设是我的多边形坐标已经是 numpy 数组格式，我想避免必须将它们复制到每个绘图的列表中的开销(当我们经常谈论数千个多边形时)。所以这篇文章的不同之处在于如何使用纯 Numpy 填充多边形。
请您参考如下方法:
在这种情况下，实现速度的要点更多的是使用的算法而不是选择的语言。在像素网格上绘制和填充光栅化的多边形属于图像处理算法的领域，AggDraw 肯定使用该领域的算法。
这个想法是，如果您为每个点评估一个考虑多边形矢量性质的函数，您需要执行一些至少为 O(2*p*A) 的操作其中:
- A = 图片区域
- p = 多边形周边的平均点数。
相反，如果您对每个点都使用图像处理算法，您可以考虑使用固定且少量的操作。例如，如果您考虑 FloodFill 算法，它的复杂度为 O(A)，我可以说它小于 30*A(每个像素大约 30 次操作)。
所以基本上，由于 GADM 多边形有很多顶点，所以最好尽快消除问题的矢量性质，并采用如下方法:
- 构建边界像素图
- 找到一个内部像素
- 使用 Floodfill 算法，无需了解多边形作为矢量实体即可工作
相同的算法肯定可以在 Numpy 中实现，但在使用 Numpy 图形库之前，我建议执行以下操作:
- 衡量您的代码在各个步骤中花费的时间:
- Numpy 数组到 AggDraw 列表/序列的转换
- AggDraw 花费的时间
- 尝试抽取多边形的顶点，根据当前缩放级别移除留在同一像素中的多边形顶点，看看是否会减少时间
