如何使用 Python 合并几乎接触的多边形？例如，给定这些多边形和一些距离阈值 T：
该算法将产生如下内容：
所以基本上我需要删除两个多边形之间小于 T 的任何间隙。
不应不必要地修改多边形的原始顶点。因此，例如简单地缓冲两个多边形然后将它们合并是不好的。
已经实现此功能的库也可以。
编辑：作为另一个例子，ArcGIS 多边形聚合似乎正是这样做的。然而，没有太多关于它是如何实现的提示，并且使用 ArcGIS 不是一个选项。
这是我尝试过的：
我已经用你的阈值 T画了一个圆，圆心是基于polygon_1ad 中所有点之间最近的点polygon_2。然后找到交点，并找到交点区域的凸包。然后找到三个多边形的并集，代码：
import numpy as np
import matplotlib.pyplot as plt
from shapely.ops import unary_union
from shapely.geometry import Polygon
from scipy.spatial import ConvexHull
polygon_1 = np.array([[1, 6, 7.8, 7.8, 1, 1], [4, 4, 6, 11, 11, 4]]).T
polygon_2 = np.array([[6, 14, 14, 11, 8.2, 9, 6, 6], [0.5, 0.5, 12, 12, 10, 4.2, 3.5, 0.5]]).T
poly_1 = Polygon(polygon_1)
poly_2 = Polygon(polygon_2)
# define threshold T
T = 2.5
#Initialize a variable to create a circle
theta = np.linspace(0, 2*np.pi, 100)
intersection_points = []
coord_circles = np.zeros((0, 2))
for poly in polygon_1:
# Calculate the distance between the points in polygon_1 ad all points in polygon_2
norm = np.sqrt((poly[0] - polygon_2[:, 0])**2 + (poly[1] - polygon_2[:, 1])**2)
# If the distance is smaaller than the threshold
if np.min(norm) < T:
# Find the nearest point in polygon_2
point_near =polygon_2[ np.argmin(norm)]
x = T*np.cos(theta) + point_near[0]
y = T*np.sin(theta) + point_near[1]
# Crear a polygon for the circle and find intersection points with polygon_1 and polygon_2
poly_circle = Polygon(np.array([x, y]).T)
intersec_1 = poly_1.boundary.intersection(poly_circle.boundary)
intersection_points.append(intersec_1.geoms[0].coords._coords[0])
intersection_points.append(intersec_1.geoms[1].coords._coords[0])
intersec_2 = poly_2.boundary.intersection(poly_circle.boundary)
intersection_points.append(intersec_2.geoms[0].coords._coords[0])
intersection_points.append(intersec_2.geoms[1].coords._coords[0])
intersection_points = np.array(intersection_points)
# Find the Convex hulls
hull = ConvexHull(intersection_points)
# Creat a polygon for the convex hull of the intersections
poly_3 = Polygon(np.c_[intersection_points[hull.vertices,0], intersection_points[hull.vertices,1]])
# Find the union of the these three polygon
a = unary_union([poly_1, poly_2, poly_3])
result_x, result_y = a.exterior.coords.xy
result_x = result_x.tolist()
result_y = result_y.tolist()
plt.subplot(121)
plt.plot(polygon_1[:, 0], polygon_1[:, 1], 'b')
plt.plot(polygon_2[:, 0], polygon_2[:, 1], 'r')
plt.axis('equal')
plt.title("Before merging")
plt.subplot(122)
plt.plot(result_x, result_y, 'k-o')
plt.axis('equal')
plt.title("After merging")
你得到的数字：
您可以定义一个“合并”距离，并合并每两个小于合并距离的顶点。
不幸的是，那行不通。取多边形 P1 和 P2。如果 P1 的顶点 V 位于 P2 的任何边的中心点旁边，则它可以无限接近 P2，但仍不在算法的合并距离内。
还会考虑边缘距离来解决这个问题吗？
也许使用形态膨胀stackoverflow.com/a/74997349/2836621
@WillemHendriks 我想它可以解决这个特定问题。然而，仍有许多问题。一旦合并了所有此类顶点（我猜合并顶点意味着在它们之间添加一条边）和边（拆分边、插入顶点然后合并？），您就会在两个多边形之间混合边。其中一些应该被删除，一些应该代表最终结果的外部，有些甚至可能代表最终结果的内部（引入的孔）。不知道从那里去哪里。
Thank you for taking the time to come up with this. But the convex part breaks down if it is given a suitable concave polygon. For example poly_1 = LineString([(1, 1), (3, 3), (1, 5)]).buffer(0.2) and poly_2 = LineString([(2, 1), (4, 3), (2, 5)]).buffer(0.2).
