Scipy空间--计算凸包（convexHull)

凸包：数学上指，在实向量空间V中的一组点X的凸包或凸包络是包含X的最小凸集。通俗的来说就是包围一组散点的最小凸边形。

在scipy.spatial 中计算凸包的函数，scipy中convexHull输入的参数可以是m2的点坐标。其返回值的属性.verticess是所有凸轮廓点在散点（m2）中的索引值。

注意：属性.verticess绘制出来的轮廓点是按照逆时针排序

Scipy 计算得到的凸包见下图：

代码示例：

# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt
import numpy as np
from scipy.spatial import ConvexHull
##########scipy 凸包################
points = np.random.rand(30, 2)
hull = ConvexHull(points)
plt.plot(points[:,0], points[:,1], 'o')
# hull.vertices 得到凸轮廓坐标的索引值，逆时针画
hull1=hull.vertices.tolist()#要闭合必须再回到起点[0]
hull1.append(hull1[0])
plt.plot(points[hull1,0], points[hull1,1], 'r--^',lw=2)
for i in range(len(hull1)-1):
    plt.text(points[hull1[i],0], points[hull1[i],1],str(i),fontsize=20)

代码示例2：

from scipy.spatial import ConvexHull
points = np.random.rand(10, 2) # 30 random points in 2-D
hull = ConvexHull(points)
import matplotlib.pyplot as plt
plt.plot(points[:,0], points[:,1], 'o')
for simplex in hull.simplices:
   plt.plot(points[simplex,0], points[simplex,1], 'k-')
plt.show()