该方法使用的是
Douglas-Peucker algorithm(道格拉斯-普克算法)
。Douglas-Peukcer算法
由D.Douglas和T.Peueker于1973年提出,也称为拉默-道格拉斯-普克算法
、迭代适应点算法
、分裂与合并算法
、D-P算法
)是将曲线近似表示为一系列点,并减少点的数量的一种算法,是线状要素抽稀的经典算法。用它处理大量冗余的几何数据点,既可以达到数据量精简的目的,又可以在很大程度上保留几何形状的骨架。现有的线化简算法中,有相当一部分都是在该算法基础上进行改进产生的。它的特点是具有平移和旋转不变性,给定曲线与阈值后,抽样结果一定
。算法的基本思路为:
对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax,用dmax与限差D相比: 若dmax<D,这条曲线上的中间点全部舍去; 若dmax≥D,保留dmax对应的坐标点,并以该点为界,把曲线分为两部分,对这两部分重复使用该方法
操作
/**
- 轮廓外接多边形
- author: yidong
- 2020/10/7
*/
class ContourPolyActivity : AppCompatActivity() {
private lateinit var mBinding: ActivityContourPolyBinding
private var mSource: Mat = Mat()
private var mGray: Mat = Mat()
private var mBinary: Mat = Mat()
override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
mBinding = DataBindingUtil.setContentView(this, R.layout.activity_contour_poly)
mBinding.presenter = this
val bgr = Utils.loadResource(this, R.drawable.contourpoly)
Imgproc.cvtColor(bgr, mSource, Imgproc.COLOR_BGR2RGB)
Imgproc.cvtColor(bgr, mGray, Imgproc.COLOR_BGR2GRAY)
Imgproc.GaussianBlur(mGray, mGray, Size(5.0, 5.0), 2.0, 2.0)
Imgproc.threshold(
mGray,
mBinary,
20.0,
255.0,
Imgproc.THRESH_BINARY or Imgproc.THRESH_OTSU
)
mBinding.ivLena.showMat(mBinary)
}
fun findRect(flag: Int) {
val tmp = mSource.clone()
val contours = mutableListOf()
val hierarchy = Mat()
Imgproc.findContours(
mBinary,
contours,
hierarchy,
Imgproc.RETR_TREE,
Imgproc.CHAIN_APPROX_SIMPLE
)
for (i in 0 until contours.size) {
when (flag) {
0 -> {
title = “最大外接矩形”
val rect = Imgproc.boundingRect(contours[i])
Imgproc.rectangle(tmp, rect, Scalar(255.0, 255.0, 0.0), 4, Imgproc.LINE_8)
}
1 -> {
title = “最小外接矩形”
val source = MatOfPoint2f()
source.fromList(contours[i].toList())
val rect = Imgproc.minAreaRect(source)
val points = arrayOfNulls(4)
val center = rect.center
rect.points(points)
Log.d(App.TAG, “RotateRect:
p
o
i
n
t
s
.
t
o
L
i
s
t
(
)
,
C
e
n
t
e
r
:
{points.toList()}, Center:
points.toList(),Center:center”)
for (j in 0…3) {
Imgproc.line(
tmp,
points[j % 4],
points[(j + 1) % 4],
Scalar(255.0, 255.0, 0.0),
4,
Imgproc.LINE_8
)
}
}
else -> {
title = “轮廓多边形”
val result = MatOfPoint2f()
val source = MatOfPoint2f()
source.fromList(contours[i].toList())
Imgproc.approxPolyDP(source, result, 4.0, true)
Log.d(App.TAG, “Poly: ${result.dump()}”)
val points = result.toArray()
for (j in points.indices) {
Imgproc.line(
tmp,
points[j % points.size],
points[(j + 1) % points.size],
Scalar(255.0, 255.0, 0.0),
4,
Imgproc.LINE_8
)
}
}
}
}
mBinding.ivResult.showMat(tmp)
tmp.release()
hierarchy.release()
}
override fun onDestroy() {
mSource.release()
mGray.release()
mBinary.release()
super.onDestroy()
}
}
效果
源码
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Android工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则近万的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Android移动开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Android开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:Android)
总结
首先是感觉自己的基础还是不够吧,大厂好像都喜欢问这些底层原理。
另外一部分原因在于资料也还没有看完,一面时凭借那份资料考前突击恶补个几天居然也能轻松应对(在这里还是要感谢那份资料,真的牛),于是自我感觉良好,资料就没有怎么深究下去了。
之前的准备只涉及了Java、Android、计网、数据结构与算法这些方面,面对面试官对其他基础课程的考察显得捉襟见肘。
下一步还是要查漏补缺,进行针对性复习。
最后的最后,那套资料这次一定要全部看完,是真的太全面了,各个知识点都涵盖了,几乎我面试遇到的所有问题的知识点这里面都有!希望大家不要犯和我一样的错误呀!!!一定要看完!
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
47463)]
[外链图片转存中…(img-Ov9lraPh-1712341247463)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!