python 判断点和线段相交

2024-06-09 20:28
文章标签 python 判断 相交 线段

本文主要是介绍python 判断点和线段相交,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

python 判断点和线段相交

import numpy as np
import cv2
import numpy as npdef point_to_line_distance(points, line_segments):# line_segments = [[549, 303], [580, 303]]# points = [565, 304]x0, y0, x1, y1=line_segments[0][0], line_segments[0][1], line_segments[1][0], line_segments[1][1]px,py=points[0],points[1]"""计算点到线段的距离"""line_mag = np.sqrt((x1 - x0) ** 2 + (y1 - y0) ** 2)if line_mag < 1e-6:return np.sqrt((px - x0) ** 2 + (py - y0) ** 2)u = ((px - x0) * (x1 - x0) + (py - y0) * (y1 - y0)) / (line_mag ** 2)if u < 0.0 or u > 1.0:# 最近点在线段外ix = min(max(x0, x1), max(min(x0, x1), px))iy = min(max(y0, y1), max(min(y0, y1), py))else:# 最近点在线段上ix = x0 + u * (x1 - x0)iy = y0 + u * (y1 - y0)return np.sqrt((px - ix) ** 2 + (py - iy) ** 2)def show_dis(line_segments,points):# 定义线段和点# line_segments = [[584, 284], [645, 279]]# points = [612, 317]# 创建一个黑色图像image = np.zeros((600, 800, 3), dtype=np.uint8)start_point = tuple(line_segments[0])end_point = tuple(line_segments[1])color = (0, 255, 0)  # 绿色thickness = 2cv2.line(image, start_point, end_point, color, thickness)# 绘制点center = tuple(points)color = (0, 0, 255)  # 红色radius = 5thickness = -1  # 实心圆cv2.circle(image, center, radius, color, thickness)# 显示图像cv2.imshow('dis', image)cv2.waitKey(0)# cv2.destroyAllWindows()
if __name__ == '__main__':line_segments = [[549, 303], [580, 303]]point = [565, 304]show_dis(line_segments, point)distance = point_to_line_distance(point, line_segments)print(f"点 ({point[0]}, {point[1]}) 到线段 的距离: {distance}")

这篇关于python 判断点和线段相交的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1046208

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

poj3468(线段树成段更新模板题)

题意:包括两个操作:1、将[a.b]上的数字加上v;2、查询区间[a,b]上的和 下面的介绍是下解题思路: 首先介绍  lazy-tag思想:用一个变量记录每一个线段树节点的变化值,当这部分线段的一致性被破坏我们就将这个变化值传递给子区间,大大增加了线段树的效率。 比如现在需要对[a,b]区间值进行加c操作,那么就从根节点[1,n]开始调用update函数进行操作,如果刚好执行到一个子节点,

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

hdu1689(线段树成段更新)

两种操作:1、set区间[a,b]上数字为v;2、查询[ 1 , n ]上的sum 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdl

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

poj 3259 uva 558 Wormholes(bellman最短路负权回路判断)

poj 3259: 题意:John的农场里n块地,m条路连接两块地,w个虫洞,虫洞是一条单向路,不但会把你传送到目的地,而且时间会倒退Ts。 任务是求你会不会在从某块地出发后又回来,看到了离开之前的自己。 判断树中是否存在负权回路就ok了。 bellman代码: #include<stdio.h>const int MaxN = 501;//农场数const int

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

hdu 1754 I Hate It(线段树,单点更新,区间最值)

题意是求一个线段中的最大数。 线段树的模板题,试用了一下交大的模板。效率有点略低。 代码: #include <stdio.h>#include <string.h>#define TREE_SIZE (1 << (20))//const int TREE_SIZE = 200000 + 10;int max(int a, int b){return a > b ? a :

hdu 1166 敌兵布阵(树状数组 or 线段树)

题意是求一个线段的和,在线段上可以进行加减的修改。 树状数组的模板题。 代码: #include <stdio.h>#include <string.h>const int maxn = 50000 + 1;int c[maxn];int n;int lowbit(int x){return x & -x;}void add(int x, int num){while

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学