使用Python实现矢量路径的压缩、解压与可视化

更新时间：2025年04月27日 11:21:34 作者：东方佑

在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,再将其解压还原,并通过matplotlib进行可视化,需要的朋友可以参考下

引言

在图形设计和Web开发中，矢量路径数据的高效存储与传输至关重要。本文将通过一个Python示例，展示如何将复杂的矢量路径命令序列压缩为JSON格式，再将其解压还原，并通过matplotlib进行可视化。这一过程可应用于字体设计、矢量图形编辑或Web应用中的路径数据传输。

核心功能概述

1. 路径命令解析

输入：包含moveTo、lineTo、qCurveTo（二次贝塞尔曲线）、closePath命令的路径数据。
输出：转换为matplotlib.path.Path对象，用于绘制矢量图形。

2. 路径数据压缩

将路径命令序列转换为紧凑的JSON格式，便于存储或传输。
示例：moveTo((100, 177)) → {"M":[100,177]}。

3. 路径数据解压

将JSON格式还原为原始路径命令序列，确保数据完整性。

4. 可视化

使用matplotlib渲染路径，验证压缩/解压过程的正确性。

代码实现详解

1. 路径命令解析（parse_commands函数）

def parse_commands(data):
    codes = []
    vertices = []
    for cmd, params in data:
        if cmd == 'moveTo':
            codes.append(Path.MOVETO)
            vertices.append(params[0])
        elif cmd == 'lineTo':
            codes.append(Path.LINETO)
            vertices.append(params[0])
        elif cmd == 'qCurveTo':
            # 处理二次贝塞尔曲线（每段需要两个控制点和一个终点）
            for i in range(0, len(params), 2):
                control = params[i]
                end = params[i+1] if i+1 < len(params) else params[-1]
                codes.extend([Path.CURVE3, Path.CURVE3])
                vertices.extend([control, end])
        elif cmd == 'closePath':
            codes.append(Path.CLOSEPOLY)
            vertices.append(vertices[0])  # 闭合路径回到起点
    return codes, vertices

关键点：

二次贝塞尔曲线：qCurveTo命令需两个控制点和一个终点，通过Path.CURVE3实现。
闭合路径：CLOSEPOLY命令自动连接最后一个点到起点。

2. 路径数据压缩（compress_path_to_json函数）

def compress_path_to_json(data):
    command_map = {'moveTo': 'M', 'lineTo': 'L', 'qCurveTo': 'Q', 'closePath': 'Z'}
    compressed = []
    for cmd, params in data:
        cmd_short = command_map[cmd]
        points = []
        if cmd == 'closePath':
            compressed.append({cmd_short: []})
        else:
            # 将坐标元组展平为一维列表（如 [(x,y), (a,b)] → [x,y,a,b]）
            for coord in params:
                points.extend(list(coord))
            compressed.append({cmd_short: points})
    return json.dumps(compressed, separators=(',', ':'))

示例输出：

[{"M":[100,177]},{"L":[107,169]},{"Q":[116,172,127,172]},...]

3. 路径数据解压（decompress_json_to_path函数）

def decompress_json_to_path(compressed_json):
    command_map = {'M': 'moveTo', 'L': 'lineTo', 'Q': 'qCurveTo', 'Z': 'closePath'}
    data = json.loads(compressed_json)
    decompressed = []
    for item in data:
        cmd_short = next(iter(item))
        points = item[cmd_short]
        cmd = command_map[cmd_short]
        if not points:
            decompressed.append((cmd, ()))  # 闭合路径无参数
        else:
            # 将一维列表转换为坐标元组（如 [x,y,a,b] → [(x,y), (a,b)]）
            coords = []
            for i in range(0, len(points), 2):
                coords.append((points[i], points[i+1]))
            decompressed.append((cmd, tuple(coords)))
    return decompressed

4. 可视化渲染（show_ttf函数）

def show_ttf(data):
    codes, vertices = parse_commands(data)
    path = Path(vertices, codes)
    fig, ax = plt.subplots()
    patch = patches.PathPatch(path, facecolor='orange', lw=2)
    ax.add_patch(patch)
    ax.set_xlim(0, 250)  # 根据数据范围调整坐标轴
    ax.set_ylim(-30, 220)
    plt.gca().set_aspect('equal')
    plt.show()

完整代码与运行结果

示例数据

data = [
    ('moveTo', ((100, 177),)),
    ('lineTo', ((107, 169),)),
    ('qCurveTo', ((116, 172), (127, 172))),
    # ... 其他路径命令（如闭合路径、复杂曲线）
]

执行流程

# 压缩数据
compressed_json = compress_path_to_json(data)
print("压缩后的JSON:", compressed_json)

# 解压数据
decompressed = decompress_json_to_path(compressed_json)
print("解压后的路径数据:", decompressed)

# 可视化
show_ttf(decompressed)

结果展示

1. 压缩后的JSON片段

[
  {"M":[100,177]},
  {"L":[107,169]},
  {"Q":[116,172,127,172]},
  {"Z":[]}
]

2. 解压后的路径数据

[
    ('moveTo', ((100, 177),)),
    ('lineTo', ((107, 169),)),
    ('qCurveTo', ((116, 172), (127, 172))),
    ('closePath', ())
]

技术要点总结

路径命令映射：
- M → moveTo：移动到起点
- L → lineTo：绘制直线
- Q → qCurveTo：二次贝塞尔曲线
- Z → closePath：闭合路径
JSON压缩策略：
- 将坐标元组展平为一维列表，减少冗余。
- 闭合路径（Z）的参数为空列表。
matplotlib路径渲染：
- 使用Path对象和PathPatch实现复杂曲线的绘制。
- CURVE3命令需成对使用，适配二次贝塞尔曲线的参数。

应用场景

Web开发：将矢量路径数据嵌入SVG或Canvas元素。
字体设计：存储和传输字体轮廓路径。
数据可视化：动态生成并传输图表路径数据。

import matplotlib.pyplot as plt
from matplotlib.path import Path
import matplotlib.patches as patches


# 解析输入数据


def parse_commands(data):
    codes = []
    vertices = []
    for command, params in data:
        if command == 'moveTo':
            codes.append(Path.MOVETO)
            vertices.append(params[0])
        elif command == 'lineTo':
            codes.append(Path.LINETO)
            vertices.append(params[0])
        elif command == 'qCurveTo':
            # Check if there are enough points to form a quadratic Bezier curve segment
            for i in range(0, len(params) - 1, 2):  # Ensure we don't go out of bounds
                control_point = params[i]
                end_point = params[i + 1]
                codes.extend([Path.CURVE3, Path.CURVE3])  # Two CURVE3 commands for the quad Bezier
                vertices.extend([control_point, end_point])
        elif command == 'closePath':
            codes.append(Path.CLOSEPOLY)
            vertices.append(vertices[0])  # Closing back to the start point
    return codes, vertices


def show_ttf():
    codes, vertices = parse_commands(data)

    path = Path(vertices, codes)

    fig, ax = plt.subplots()
    patch = patches.PathPatch(path, facecolor='orange', lw=2)
    ax.add_patch(patch)
    ax.set_xlim(0, 250)  # Adjust these limits based on your data's extent
    ax.set_ylim(-30, 220)  # Adjust these limits based on your data's extent
    plt.gca().set_aspect('equal', adjustable='box')  # Keep aspect ratio equal
    plt.show()


import json


def compress_path_to_json(data):
    command_map = {
        'moveTo': 'M',
        'lineTo': 'L',
        'qCurveTo': 'Q',
        'closePath': 'Z'
    }

    compressed = []
    for cmd, params in data:
        command_type = command_map[cmd]
        points = []
        if cmd == 'closePath':
            pass  # closePath无需坐标
        else:
            # 确保params[0]是坐标点列表（即使只有一个点）
            for param in params:
                points += list(param)

        compressed.append({
            command_type: points
        })

    return json.dumps(compressed, separators=(',', ':'))


data = [('moveTo', ((100, 177),)), ('lineTo', ((107, 169),)), ('qCurveTo', ((116, 172), (127, 172))),
        ('lineTo', ((240, 172),)), ('lineTo', ((224, 190),)), ('lineTo', ((212, 177),)), ('lineTo', ((175, 177),)),
        ('qCurveTo', ((183, 186), (176, 200), (154, 210))), ('lineTo', ((152, 207),)),
        ('qCurveTo', ((164, 190), (166, 177))), ('closePath', ()), ('moveTo', ((204, 143),)), ('lineTo', ((211, 148),)),
        ('lineTo', ((198, 162),)), ('lineTo', ((189, 152),)), ('lineTo', ((143, 152),)), ('lineTo', ((128, 160),)),
        ('qCurveTo', ((129, 149), (129, 116), (128, 102))), ('lineTo', ((142, 106),)), ('lineTo', ((142, 114),)),
        ('lineTo', ((191, 114),)), ('lineTo', ((191, 105),)), ('lineTo', ((205, 111),)),
        ('qCurveTo', ((204, 119), (204, 135), (204, 143))), ('closePath', ()), ('moveTo', ((142, 147),)),
        ('lineTo', ((191, 147),)), ('lineTo', ((191, 119),)), ('lineTo', ((142, 119),)), ('closePath', ()),
        ('moveTo', ((119, 87),)), ('lineTo', ((218, 87),)), ('lineTo', ((218, 6),)),
        ('qCurveTo', ((218, -3), (210, -5), (181, -3))), ('lineTo', ((181, -8),)),
        ('qCurveTo', ((212, -13), (212, -26))), ('qCurveTo', ((221, -22), (231, -12), (231, 2))),
        ('lineTo', ((231, 80),)), ('lineTo', ((240, 87),)), ('lineTo', ((224, 102),)), ('lineTo', ((216, 92),)),
        ('lineTo', ((119, 92),)), ('lineTo', ((105, 100),)), ('qCurveTo', ((106, 84), (106, 5), (105, -26))),
        ('lineTo', ((119, -18),)), ('closePath', ()), ('moveTo', ((196, 58),)), ('lineTo', ((203, 63),)),
        ('lineTo', ((188, 76),)), ('lineTo', ((182, 67),)), ('lineTo', ((151, 67),)), ('lineTo', ((137, 76),)),
        ('qCurveTo', ((138, 59), (138, 30), (137, 5))), ('lineTo', ((150, 11),)), ('lineTo', ((150, 21),)),
        ('lineTo', ((184, 21),)), ('lineTo', ((184, 10),)), ('lineTo', ((197, 16),)),
        ('qCurveTo', ((196, 27), (196, 48), (196, 58))), ('closePath', ()), ('moveTo', ((150, 62),)),
        ('lineTo', ((184, 62),)), ('lineTo', ((184, 26),)), ('lineTo', ((150, 26),)), ('closePath', ()),
        ('moveTo', ((36, 63),)), ('qCurveTo', ((66, 100), (94, 148))), ('lineTo', ((103, 152),)),
        ('lineTo', ((83, 163),)), ('qCurveTo', ((74, 138), (66, 125))), ('lineTo', ((30, 123),)),
        ('qCurveTo', ((50, 154), (71, 193))), ('lineTo', ((82, 197),)), ('lineTo', ((59, 209),)),
        ('qCurveTo', ((51, 178), (23, 124), (14, 124))), ('lineTo', ((25, 106),)),
        ('qCurveTo', ((31, 111), (50, 117), (63, 119))), ('qCurveTo', ((44, 87), (24, 63), (18, 62))),
        ('lineTo', ((28, 44),)), ('qCurveTo', ((39, 51), (68, 60), (98, 66))), ('lineTo', ((97, 70),)),
        ('qCurveTo', ((67, 66), (36, 63))), ('closePath', ()), ('moveTo', ((11, 14),)), ('lineTo', ((21, -4),)),
        ('qCurveTo', ((30, 4), (65, 20), (95, 30))), ('lineTo', ((94, 34),)),
        ('qCurveTo', ((72, 28), (25, 16), (11, 14))), ('closePath', ())]


def decompress_json_to_path(compressed_json):
    command_map = {
        'M': 'moveTo',
        'L': 'lineTo',
        'Q': 'qCurveTo',
        'Z': 'closePath'
    }

    data = json.loads(compressed_json)
    decompressed = []

    for item in data:
        cmd_char = next(iter(item))  # 获取命令字符
        points = item[cmd_char]
        original_cmd = command_map[cmd_char]

        if not points:
            # closePath，参数为空
            decompressed.append((original_cmd, ()))
        else:
            # 将points列表转换为坐标点元组的元组
            tuples = []
            for i in range(0, len(points), 2):
                x = points[i]
                y = points[i + 1]
                tuples.append((x, y))
            params = tuple(tuples)
            decompressed.append((original_cmd, params))

    return decompressed


compressed_json = compress_path_to_json(data)

# 解压
decompressed = decompress_json_to_path(compressed_json)

以上就是使用Python实现矢量路径的压缩、解压与可视化的详细内容，更多关于Python矢量路径解压缩与可视化的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Python sentence-transformers库示例详解
Sentence Transformer是一个Python框架,用于句子、文本和图像嵌入Embedding,它基于Transformer架构的预训练模型,并在大量语义相似性数据上进行了微调,能够捕捉句子之间的深层语义关系,本文给大家介绍Python sentence-transformers库的相关知识,感兴趣的朋友一起看看吧
2025-08-08
Python脚本实现自动删除C盘临时文件夹
在日常使用电脑的过程中,临时文件夹往往会积累大量的无用数据,占用宝贵的磁盘空间,下面我们就来看看Python如何通过脚本实现自动删除C盘临时文件夹吧
2025-01-01
Python pip安装依赖redis被自动降级的问题及解决
安装Redis 7.1.0时因版本过旧与Python3.10不兼容,通过pip安装依赖时遵循“版本约束”,导致Redis降级到<3.0,Booktype 项目依赖Redis <3.0,与Python3.10不兼容,解决方法是删除Booktype依赖,以避免版本冲突
2025-12-12
用Python实现简单的人脸识别功能步骤详解
这篇文章主要介绍了用Python实现简单的人脸识别功能步骤详解,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-03-03
如何利用Python 快速找到最大文件
现在的电脑差不多都是固态硬盘了，速度很快，但容量不会太大，经常会出现磁盘空间不足的情况，怎么办，删除那些不重要的最大的文件是最有效的办法，这篇文章我们就来介绍介绍了如何利用Python 快速找到最大文件,需要的朋友可以参考一下
2021-11-11
Python使用描述符实现属性类型检查的案例解析
这篇文章主要介绍了Python使用描述符实现属性类型检查,实例属性就是在一个类中将另一个类的实例作为该类的一个数属性，本文通过代码演示给大家介绍的非常详细，需要的朋友可以参考下
2022-05-05
python之value_counts()的具体使用
value_counts() 是一个用于统计某列中各个值的出现次数的函数,本文主要介绍了python之value_counts()的具体使用,具有一定的参考价值,感兴趣的可以了解一下
2023-10-10
回归预测分析python数据化运营线性回归总结
本文主要介绍了python数据化运营中的线性回归一般应用场景，常用方法，回归实现，回归评估指标，效果可视化等，并采用了回归预测分析的数据预测方法
2021-08-08
Python实现的银行系统模拟程序完整案例
这篇文章主要介绍了Python实现的银行系统模拟程序,结合完整实例形式分析了Python基于面向对象程序设计模拟的银行系统登录验证、开户、找回密码、挂失、查询、存取款、转账等功能相关操作技巧,需要的朋友可以参考下
2019-04-04
详解如何减少python内存的消耗
这篇文章主要介绍了详解如何减少python内存的消耗，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-08-08