python 数据点寻找外围轮廓

有一堆数据点的坐标，想得到最外侧的轮廓信息(非图像，图像请去看cv2的相关函数)
；示意图如下所示：

import numpy as np
points = np.random.rand(100, 2)  ###创建100个原始数据

希望能得到最外围的轮廓，如图所示：

请注意！！！！

图片中有凹进去的区域存在

如果确认图片是凸图案，则可以用scipy 包中的ConvexHull实现：

from scipy.spatial import ConvexHull
hull = ConvexHull(points)  ###计算外接凸图案的边界点
import matplotlib.pyplot as plt
plt.plot(points[:,0], points[:,1], 'o')
# plot convex hull polygon
plt.plot(points[hull.vertices,0], points[hull.vertices,1], 'r ', lw=4)
# plot convex full vertices
hull1=hull.vertices.tolist()
hull1.append(hull1[0])
# plt.plot(points[hull.vertices[0],0], points[hull.vertices[0],1], 'ro')
plt.plot(points[hull1,0], points[hull1,1], 'r--^',lw=2)

此时，画出的图形是：（只最大边界，不能展示凹进去细节部分）

所以，此时需要一个新的数学模型 alpha shape，直接上代码：

import alphashape
from descartes import PolygonPatch

alpha_shape = alphashape.alphashape(points,3)
###这里的3 是alpha vlue ，数字越大，代表拟合性越好
fig, ax = plt.subplots()
ax.scatter(*zip(*points))
ax.add_patch(PolygonPatch(alpha_shape, alpha=0.3))

输出为：

当我们改变 alpha values 时，分别设置 1 ，3， 10，看下效果：

alpha_shape = alphashape.alphashape(points,1)

alpha_shape = alphashape.alphashape(points,3)

alpha_shape = alphashape.alphashape(points,10)

也可以不输入：
alpha_shape = alphashape.alphashape(points）

据说是可以得到最佳模型，但是跑起来好慢呀，截至发稿，还没跑出来！！！