skimage 的功能是检查点左侧的水平射线是否与多边形的每个边相交。如果交叉数是奇数，则在内部，如果是偶数，则在外部。skimage 的实现也相当高效：前段时间，作为一个学习练习，我将 skimage 重新实现points_inside_polygon为一个 numpy gufunc，见这里，我认为它的运行速度比 skimage 的实现快 2 倍。没什么好写的。

该算法可以很好地检查单个点是否在单个多边形内，但对于其他情况则不是最佳的。特别是，如果给定多边形内有很多点，您可能需要借鉴多边形光栅化的想法。网络上的信息有点分散，但大学课程中或多或少有几张完整的幻灯片，请参阅此. 您可能希望使用扫描线算法，首先按 y 坐标对多边形顶点进行排序，然后按顺序扫描它们，更新与当前 y 坐标交叉的多边形顶点列表。要检查具有 y 坐标 y0 的点是否在多边形内，您将计算该 y 坐标处活动顶点的交点，按 x 坐标对它们进行排序，并检查您的点 x 坐标是否落在内部或外部段中.

skimage 算法，对于$n$多边形中的点$m$顶点，将是一个$\mathcal{O}(mn)$算法。我之后描述的那个需要对点和顶点进行排序，所以$\mathcal{O}(n\log n + m\log m)$，但在那之后，每点的工作量与在该 y 坐标处交叉的边数成正比，这将小于$m$对于大多数多边形。

所以基本上，它高度依赖于你的点和多边形的确切特征，但答案很可能是：是的，有更好的方法。