锦州网站seo个人空间网站免费

📌 函数作用一句话

把“距离过近”的节点（或端点）合并成一个，避免重复。

---

🎯 应用场景

1. 节点去重

   • 霍夫变换或交点计算后，同一物理节点可能得到 多个像素级坐标（±1~3 px）。
   • 例如：两条导线的交点被算成 (124, 200)、(125, 201)、(126, 200) → 需要合并为一个 (125, 200)。

2. 端点聚类

   • 元件边框与导线交点可能 密集成群（手绘粗细、锯齿）。
   • 例如：一个引脚附近出现 5 个交点 → 合并成 1 个代表点。

3. 可视化降噪

   • 让最终 节点/端点的数量 = 实际电路点数，图更干净。

---

⚙️ 原理拆解

步骤	代码片段	解释
1. 输入	nodes = [(x1,y1), (x2,y2), ...]	原始点列表，可能有重复/过近。
2. 转 NumPy	pts = np.array(nodes)	方便广播计算欧氏距离。
3. 贪心聚类	for i, p in enumerate(pts): ...	每个未用点作为“种子”，找所有距离 < eps 的点归为一组。
4. 计算新坐标	np.round(np.mean(group, axis=0))	用组内点的几何中心作为合并后的新坐标，避免偏移。
5. 去重输出	return list(set(...))	防止重复添加。

---

📏 参数 eps 怎么选？

场景	推荐 eps
手绘电路，像素粗	8 ~ 12
高清扫描/矢量图	3 ~ 5
不确定	先试 8，再视结果微调。

---

✅ 一句话总结

把“像素级误差”的多个点 → 聚类成“物理级”唯一节点/引脚。

# 合并相邻节点
def merge_nearby_nodes(nodes, eps=10):"""合并相邻节点（欧氏距离 < eps）输入：[(x1,y1), (x2,y2), ...]输出：合并后的节点列表"""if not nodes:return []# 转成 numpy，便于广播计算pts = np.array(nodes).reshape(-1, 2)merged = []used = np.zeros(len(pts), dtype=bool)for i, p in enumerate(pts):if used[i]:continuegroup = [p]used[i] = Truefor j, q in enumerate(pts[i+1:], start=i+1):if not used[j] and np.linalg.norm(p - q) < eps:group.append(q)used[j] = True# 取平均坐标作为合并后的节点merged.append(tuple(np.round(np.mean(group, axis=0)).astype(int)))return merged