给 GeoJSON 边界“抽顶点”：Douglas-Peucker 抽稀怎么用才不丢精度

发布于 2026-07-20 · GeoJSONcn 技术团队 · 阅读约 8 分钟

处理全国省、市、区县四级行政区划边界时，我常被同一个问题绊住：一份区县的 GeoJSON 丢进浏览器，光一个沿海县的海岸线就几万个顶点，整张地图拖得鼠标都卡。顶点不是越多越准，大部分拐点肉眼根本看不出来，却实打实吃着体积和渲染时间。

这篇只聊一件事：用 Douglas-Peucker 算法，在你能接受的容差内删掉冗余顶点，让边界瘦下来、形状还不变。

抽稀在删什么

一条边界折线，本质是点的序列。相邻两点之间如果几乎在一条直线上，中间那些点就是冗余的。Douglas-Peucker（简称 DP）的做法很直观：

1. 连首尾两点，得到一条基准线； 2. 找出离这条线最远的点，算它到线的垂距； 3. 如果垂距大于容差 tolerance，这个点保留，并以它为界把折线切成两段，各自递归； 4. 如果所有点的垂距都不超过容差，整段用首尾直线替代，中间点全部删除。

容差就是你给形状设的误差上限：给得越大，删得越狠，文件越小，边界也越方。

一段能跑的代码

下面这段是 DP 的最小可用实现，输入坐标数组、容差，返回抽稀后的坐标：

// 点到线段的垂距（平面坐标，单位需与坐标一致）
function perpDistance(p, a, b) {
  const dx = b[0] - a[0], dy = b[1] - a[1];
  const len = Math.hypot(dx, dy) || 1e-9;
  return Math.abs((p[0] - a[0]) * dy - (p[1] - a[1]) * dx) / len;
}

// Douglas-Peucker 抽稀：coords 为 [x, y] 数组，tolerance 为容差
function simplifyRing(coords, tolerance) {
  if (coords.length < 3) return coords.slice();
  let maxD = 0, idx = 0;
  const a = coords[0], b = coords[coords.length - 1];
  for (let i = 1; i < coords.length - 1; i++) {
    const d = perpDistance(coords[i], a, b);
    if (d > maxD) { maxD = d; idx = i; }
  }
  if (maxD > tolerance) {
    const left = simplifyRing(coords.slice(0, idx + 1), tolerance);
    const right = simplifyRing(coords.slice(idx), tolerance);
    return left.slice(0, -1).concat(right);
  }
  return [a, b];
}

实际项目里一般不用手写，@turf/simplify 就是这套逻辑，还能直接吃 GeoJSON 的 FeatureCollection。

最容易踩的坑：容差用"米"还是"度"

很多人直接把经纬度 [lng, lat] 喂给上面的函数，容差写个 0.001 就想当然当成"约 100 米"。这是错的，而且错得很隐蔽。

经纬度是角度，1 经度对应的实地距离随纬度变化：赤道上约 111 km，到北纬 40° 就缩到约 85 km。你用同一个数值容差去删东西，高纬度和低纬度的"误差"根本不是一回事，边界会被删得东畸西扭。

正确做法是先把经纬度投影成平面米坐标（Web 墨卡托 EPSG:3857 或等距圆柱都行），在米的坐标系下用真实米容差抽稀，再把结果反投影回经纬度。10 米、50 米、100 米的容差，这时候才有统一的意义。关于坐标系本身的坑，WGS84 与 GCJ-02 那篇讲得更透。

抽稀前后的量级

以某沿海区县的一段边界环为例（原始约 12,000 个顶点），在 Web 墨卡托投影下、用不同米容差抽稀的结果：

可以看到，容差 10 米就能砍掉八成以上的顶点，体积从 520 KB 降到 82 KB，肉眼几乎看不出形状变化。GeoJSONcn 的省、市、区县全图都走这一步处理，前端渲染 时拖拽才顺。

抽稀不是压缩，别混为一谈

DP 抽稀和 TopoJSON 压缩 是两回事，但能叠加用：抽稀先减点，TopoJSON 再把相邻行政区共享的那条边只存一次，最后再 gzip，三管齐下体积能压到原来的几十分之一。需要把处理好的边界导成 KML、SVG 或 CSV 的，看 格式转换。

想直观对比抽稀前后的边界贴合度，把它叠到 天地图或 OSM 底图 上一眼就明白。