多边形与shapely相交的更快方法

Question

我有大量的多边形（~100000），并尝试找到一种智能方法来计算它们与规则网格单元的相交面积。

目前，我正在使用 shapely 创建多边形和网格单元（基于它们的角坐标）。然后，使用简单的 for 循环遍历每个多边形并将其与附近的网格单元进行比较。

只是一个小例子来说明多边形/网格单元。

from shapely.geometry import box, Polygon
# Example polygon 
xy = [[130.21001, 27.200001], [129.52, 27.34], [129.45, 27.1], [130.13, 26.950001]]
polygon_shape = Polygon(xy)
# Example grid cell
gridcell_shape = box(129.5, -27.0, 129.75, 27.25)
# The intersection
polygon_shape.intersection(gridcell_shape).area

（顺便说一句：网格单元的尺寸为 0.25x0.25，多边形最大尺寸为 1x1）

实际上，对于单个多边形/网格单元组合来说，这已经相当快了，大约需要 0.003 秒。然而，在我的机器上，在大量多边形（每个多边形可以与数十个网格单元相交）上运行此代码大约需要 15 分钟以上（根据相交网格单元的数量最多需要 30 分钟以上），这是不可接受的。不幸的是，我不知道如何编写多边形相交的代码来获取重叠区域。你有什么建议吗？除了身材好还有其他选择吗

Answer 1

考虑使用 Rtree 来帮助识别多边形可能与哪些网格单元相交。这样，您可以删除与纬度/经度数组一起使用的 for 循环，这可能是最慢的部分。

像这样构建你的代码：

from shapely.ops import cascaded_union
from rtree import index
idx = index.Index()

# Populate R-tree index with bounds of grid cells
for pos, cell in enumerate(grid_cells):
    # assuming cell is a shapely object
    idx.insert(pos, cell.bounds)

# Loop through each Shapely polygon
for poly in polygons:
    # Merge cells that have overlapping bounding boxes
    merged_cells = cascaded_union([grid_cells[pos] for pos in idx.intersection(poly.bounds)])
    # Now do actual intersection
    print(poly.intersection(merged_cells).area)

Answer 2

自 2013/2014 年以来，Shapely 已 STR树。我用过，感觉效果不错。

这是文档字符串的片段：

STRtree 是使用 Sort-Tile-Recursive 创建的 R 树 算法。 STRtree 将一系列几何对象作为初始化 范围。初始化后，可以使用查询方法来制作 对这些对象的空间查询。

>>> from shapely.geometry import Polygon
>>> from shapely.strtree import STRtree
>>> polys = [Polygon(((0, 0), (1, 0), (1, 1))), Polygon(((0, 1), (0, 0), (1, 0))), Polygon(((100, 100), (101, 100), (101, 101)))]
>>> s = STRtree(polys)
>>> query_geom = Polygon([(-1, -1), (2, 0), (2, 2), (-1, 2)])
>>> result = s.query(query_geom)
>>> polys[0] in result
True

Answer 3

这是答案的另一个版本，但对 IoU 有更多的控制

def merge_intersecting_polygons(list_of_polygons, image_width, image_height):
    """Merge intersecting polygons with shapely library.

    Merge only if Intersection over Union is greater than 0.5 
    speed up with STRTree.
    """
    # create shapely polygons
    shapely_polygons = []
    for polygon in list_of_polygons:
        shapely_polygons.append(Polygon(polygon))
    # create STRTree
    tree = STRtree(shapely_polygons)
    # merge polygons
    merged_polygons = []
    for i, polygon in enumerate(shapely_polygons):
        # find intersecting polygons
        intersecting_polygons = tree.query(polygon)
        # merge intersecting polygons
        for intersecting_polygon in intersecting_polygons:
            if polygon != intersecting_polygon:
                # compute intersection over union
                intersection = polygon.intersection(intersecting_polygon).area
                union = polygon.union(intersecting_polygon).area
                iou = intersection/union
                if iou > 0.5:
                    # merge polygons
                    polygon = polygon.union(intersecting_polygon)
        # add merged polygon to list
        merged_polygons.append(polygon)
    # remove duplicates
    merged_polygons = list(set(merged_polygons))
    # convert shapely polygons to list of polygons
    list_of_polygons = []
    for polygon in merged_polygons:
        list_of_polygons.append(np.array(polygon.exterior.coords).tolist())
    return list_of_polygons