Graham's Scan法求解凸包问题(C++)

原文来源于http://www.cnblogs.com/devymex/archive/2010/08/09/1795392.html有改动

概念

凸包(Convex Hull)是一个计算几何（图形学）中的概念。用不严谨的话来讲，给定二维平面上的点集，凸包就是将最外层的点连接起来构成的凸多边型，它能包含点集中所有点的。详细概念可查阅维基百科：http://en.wikipedia.org/wiki/Graham_scan

过程

1. 在所有点中选取y坐标最小的一点H，当作基点。如果存在多个点的y坐标都为最小值，则选取x坐标最小的一点。坐标相同的点应排除。然后按照其它各点p和基点构成的向量<H,p>与x轴的夹角进行排序，夹角由大至小进行顺时针扫描，反之则进行逆时针扫描。实现中无需求得夹角，只需根据向量的内积公式求出向量的模即可。以下图为例，基点为H，根据夹角由小至大排序后依次为H，K，C，D，L，F，G，E，I，B，A，J。下面进行逆时针扫描。

2. 线段<H, K>一定在凸包上，接着加入C。假设线段<K, C>也在凸包上，因为就H，K，C三点而言，它们的凸包就是由此三点所组成。但是接下来加入D时会发现，线段<K, D>才会在凸包上，所以将线段<K, C>排除，C点不可能是凸包。

3. 即当加入一点时，必须考虑到前面的线段是否会出现在凸包上。从基点开始，凸包上每条相临的线段的旋转方向应该一致，并与扫描的方向相反。如果发现新加的点使得新线段与上线段的旋转方向发生变化，则可判定上一点必然不在凸包上。实现时可用向量叉积进行判断，设新加入的点为p_{n + 1}，上一点为p_n，再上一点为p_{n - 1}。顺时针扫描时，如果向量<p_{n - 1}, p_n>与<p_n, p_{n + 1}>的叉积为正（逆时针扫描判断是否为负），则将上一点删除。删除过程需要回溯，将之前所有叉积符号相反的点都删除，然后将新点加入凸包。

 

 

在上图中，加入K点时，由于线段<H,K>相对于<H,C>为顺时针旋转，所以C点不在凸包上，应该删除，保留K点。接着加入D点，由于线段<K, D>相对<H, K>为逆时针旋转，故D点保留。按照上述步骤进行扫描，直到点集中所有的点都遍例完成，即得到凸包。

复杂度

这个算法可以直接在原数据上进行运算，因此空间复杂度为O(1)。但如果将凸包的结果存储到另一数组中，则可能在代码级别进行优化。由于在扫描凸包前要进行排序，因此时间复杂度至少为快速排序的O(nlgn)。后面的扫描过程复杂度为O(n)，因此整个算法的复杂度为O(nlgn)。

详细过程还可参考http://www.cnblogs.com/Booble/archive/2011/03/10/1980089.html，该博客介绍的很详细，并且也详细介绍了其他凸包算法。

还有http://www.geeksforgeeks.org/convex-hull-set-2-graham-scan/

代码

<pre name="code" class="cpp">#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <stdio.h>
#include <math.h>

#include <algorithm>
#include <vector>

using namespace cv;
using namespace std;

/**
凸包问题 -- Graham扫描法：
这个算法可以直接在原数据上进行运算，因此空间复杂度为O(1)。但如果将凸包的结果存储到另一数组中，
则可能在代码级别进行优化。由于在扫描凸包前要进行排序，因此时间复杂度至少为快速排序的O(nlgn)。
后面的扫描过程复杂度为O(n)，因此整个算法的复杂度为O(nlgn)。
**/

//二维点(或向量)结构体定义
typedef vector<Point> PTARRAY;
//判断两个点(或向量)是否相等
bool operator==(const Point &pt1, const Point &pt2) {
	return (pt1.x == pt2.x && pt1.y == pt2.y);
}
// 比较两个向量pt1和pt2分别与x轴向量(1, 0)的夹角
bool CompareVector(const Point &pt1, const Point &pt2) {
	//求向量的模
	float m1 = sqrt((float)(pt1.x * pt1.x + pt1.y * pt1.y));
	float m2 = sqrt((float)(pt2.x * pt2.x + pt2.y * pt2.y));
	//两个向量分别与(1, 0)求内积
	float v1 = pt1.x / m1, v2 = pt2.x / m2;
	return ( v1 > v2 || (v1 == v2 && m1 < m2) );
}
//计算凸包
void CalcConvexHull(PTARRAY &vecSrc) {
	//点集中至少应有3个点，才能构成多边形
	if (vecSrc.size() < 3) { return; }
	//查找基点
	Point ptBase = vecSrc.front(); //将第1个点预设为最小点
	for (PTARRAY::iterator iter = vecSrc.begin() + 1; iter != vecSrc.end(); ++iter) {
		//如果当前点的y值小于最小点，或y值相等，x值较小
		if ( iter->y < ptBase.y || (iter->y == ptBase.y && iter->x > ptBase.x) ) {
			//将当前点作为最小点
			ptBase = *iter;
		}
	}
	//计算出各点与基点构成的向量
	for (PTARRAY::iterator iter = vecSrc.begin(); iter != vecSrc.end();) {
		//排除与基点相同的点，避免后面的排序计算中出现除0错误
		if (*iter == ptBase) {
			iter = vecSrc.erase(iter);
		}
		else {
			//方向由基点到目标点
			iter->x -= ptBase.x, iter->y -= ptBase.y;
			++iter;
		}
	}
	//按各向量与横坐标之间的夹角排序
	sort(vecSrc.begin(), vecSrc.end(), &CompareVector);
	//删除相同的向量
	vecSrc.erase(unique(vecSrc.begin(), vecSrc.end()), vecSrc.end());
	//计算得到首尾依次相联的向量
	for (PTARRAY::reverse_iterator riter = vecSrc.rbegin();
		riter != vecSrc.rend() - 1; ++riter) {
			PTARRAY::reverse_iterator riNext = riter + 1;
			//向量三角形计算公式
			riter->x -= riNext->x, riter->y -= riNext->y;
	}
	//依次删除不在凸包上的向量
	for (PTARRAY::iterator iter = vecSrc.begin() + 1; iter != vecSrc.end(); ++iter) {
		//回溯删除旋转方向相反的向量，使用外积判断旋转方向
		for (PTARRAY::iterator iLast = iter - 1; iLast != vecSrc.begin();) {
			int v1 = iter->x * iLast->y, v2 = iter->y * iLast->x;
			//如果叉积小于0，则无没有逆向旋转
			//如果叉积等于0，还需判断方向是否相逆
			if (v1 < v2 || (v1 == v2 && iter->x * iLast->x > 0 &&
				iter->y * iLast->y > 0)) { break; }
			//删除前一个向量后，需更新当前向量，与前面的向量首尾相连
			//向量三角形计算公式
			iter->x += iLast->x, iter->y += iLast->y;
			iLast = (iter = vecSrc.erase(iLast)) - 1;
		}
	}
	//将所有首尾相连的向量依次累加，换算成坐标
	vecSrc.front().x += ptBase.x, vecSrc.front().y += ptBase.y;
	for (PTARRAY::iterator iter = vecSrc.begin() + 1; iter != vecSrc.end(); ++iter) {
		iter->x += (iter - 1)->x, iter->y += (iter - 1)->y;
	}
	//添加基点，全部的凸包计算完成
	vecSrc.push_back(ptBase);
}

主程序：

RNG rng(12345678);

int main(void) {
	int nPtCnt = 100; //生成的随机点数
	PTARRAY vecSrc, vecCH;
	for (int i = 0; i < nPtCnt; ++i) {
		Point ptIn = Point( rand() % 400, rand() % 400 );
		vecSrc.push_back(ptIn);
		printf("%d,%d\n",ptIn.x,ptIn.y);
	}

	/// 绘出轮廓及其凸包
	Mat drawing = Mat::zeros( 500,500, CV_8UC3 );
	Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
	for( PTARRAY::iterator iter = vecSrc.begin(); iter != vecSrc.end(); ++iter )
	{
		circle(drawing,*iter,3,color,-1,1);
	}

	CalcConvexHull(vecSrc);
	printf("\nConvex Hull:\n");
	for (PTARRAY::iterator iter = vecSrc.begin(); iter != vecSrc.end(); ++iter) {
		printf("%d,%d\n",iter->x,iter->y);
	}

	color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
	for( PTARRAY::iterator iter = vecSrc.begin(); iter != vecSrc.end()-1; ++iter )
	{
		line( drawing,*iter,*(iter+1), color, 1, 8 );
	}
	line( drawing,vecSrc.at(vecSrc.size()-1),vecSrc.at(0),color,1,8 );
	/// 把结果显示在窗体
	namedWindow( "Hull demo", CV_WINDOW_AUTOSIZE );
	imshow( "Hull demo", drawing );
	waitKey(0);
	return 0;
}

运行结果：