怎么利用Matlab實現迭代適應點算法

本篇內容主要講解“怎么利用Matlab實現迭代適應點算法”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“怎么利用Matlab實現迭代適應點算法”吧!

道格拉斯-普克算法(Douglas–Peucker algorithm，亦稱為拉默-道格拉斯-普克算法、迭代適應點算法、分裂與合并算法)是將曲線近似表示為一系列點，并減少點的數量的一種算法。它的優點是具有平移和旋轉不變性，給定曲線與閾值后，抽樣結果一定。

1.算法描述

1.在曲線首尾兩點間虛連一條直線，求出其余各點到該直線的距離。

2.選其最大者與閾值相比較,若大于閾值，則離該直線距離最大的點保留，否則將直線兩端點間各點全部舍去。

3.依據所保留的點,將已知曲線分成兩部分處理，重復第1、2步操作，迭代操作，即仍選距離最大者與閾值比較,依次取舍,直到無點可舍去，最后得到滿足給定精度限差的曲線點坐標。 

Long Time Later

2.工具函數

為了代碼簡單易理解，這里使用了二分迭代，含詳細注釋代碼如下(代碼片可左右滑動)。

function nPntSet=dp(pntSet,TH)
% @author : slandarer
% pntSet  : 二維數據點
% TH      : 距離閾值

% 向量運算:計算所有點到首位兩點連線距離
vertV=[pntSet(end,2)-pntSet(1,2),-pntSet(end,1)+pntSet(1,1)];
baseL=abs(sum((pntSet-pntSet(1,:)).*vertV./norm(vertV),2));
if max(baseL)<TH 
    % 若距離小于閾值則返回首尾點
    nPntSet=[pntSet(1,:);pntSet(end,:)]; 
else
    % 若距離大于閾值則左右兩分支分別計算后拼接
    maxPos=find(baseL==max(baseL));maxPos=maxPos(1);
    L_PntSet=pntSet(1:maxPos,:);nL_PntSet=dp(L_PntSet,TH);
    R_PntSet=pntSet(maxPos:end,:);nR_PntSet=dp(R_PntSet,TH);
    nPntSet=[nL_PntSet;nR_PntSet(2:end,:)];
end
end

3.函數調用

給個demo:

% 構造一組數據
X=linspace(0,25,10)';
Y=randi([0,10],[10,1]);
pntSet=[X,Y];

% 閾值為2的dp算法
nPntSet=dp(pntSet,2);

% 坐標區域修飾
hold on
grid on
ax=gca;
ax.YLim=[0,10];
ax.DataAspectRatio=[1,1,1];
ax.Color=[1,1,1];
ax.XColor=[1,1,1].*.3;
ax.YColor=[1,1,1].*.3;
ax.LineWidth=1.5;
ax.FontName='cambria';
ax.GridLineStyle='--';

% 繪制原始數據曲線
plot(pntSet(:,1),pntSet(:,2),'Color',[0 0.4470 0.7410],'LineWidth',2,'Marker','*');
% 繪制新數據曲線
plot(nPntSet(:,1),nPntSet(:,2),'Color',[0.6350 0.0780 0.1840 .7],'LineWidth',2,'Marker','s');

legend('original-curve','feature-curve')

4.優勢與不足

對比與垂距法(Matlab利用垂距法實現提取離散坐標數據特征點)，道格拉斯-普克算法(dp)不會出現下面這種情況，即雖然每次變化都不大，但是連著好幾次相同方向變化導致某些特征不會被提取出來：

但比較讓人頭疼的是，閾值需要自己選取，以下是不同閾值時對比圖像：

到此，相信大家對“怎么利用Matlab實現迭代適應點算法”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！