保留了较大弯曲形态上的特征点:
经典的 D-P 算法描述如下【红色部分用于辅助理解 可忽略
】:
- 连接当前矢量曲线首尾点
a、b
,该直线AB
为当前矢量曲线的弦; - 计算首尾点
a、b
间所有坐标点到该弦AB
的距离,并获取最大距离d
及其的坐标点c
; - 比较最大距离
d
与给定的阈值thresholdVal
,小于阈值,当前弦AB
可作为曲线的近似【首尾间的坐标点将被抽稀】,该段矢量曲线处理完毕。 - 大于阈值,使用最大距离坐标点
c
分割当前矢量曲线,分割后的两段矢量曲线分别使用1~3的流程进行处理。 - 全部处理完毕后,依次连接各个分割点形成的折线,即可以作为整个曲线的近似。
示意图如下:
2.源码分享
2.1 公式
点
M
(
x
0
,
y
0
)
M(x_{0},y_{0})
M(x0,y0) 是平面上的一个点,它到直线
A
x
B
y
C
=
0
Ax+By+C=0
Ax+By+C=0 的距离 d 为:
d
=
∣
A
x
0
B
y
0
C
∣
A
2
B
2
d= \frac{|Ax_{0}+By_{0}+C|}{ \sqrt{A{2}+B{2}}}
d=A2+B2
∣Ax0+By0+C∣
2.2 源码
一下是优化前的代码,优化后的代码请查看《道格拉斯-普克 Douglas-Peucker 抽稀算法近1000倍的速度提升》两个对象封装类【为了简洁注解未使用DOC规范】:
// 类1 坐标数据封装
@Data
@NoArgsConstructor
@AllArgsConstructor
public class PointData {
// 标记是否删除(0保留 1删除)
private int isDelete;
// 数据点的经度
private double longitudeEx;
// 数据点的纬度
private double latitudeEx;
}
// 类2 点INDEX及到线距离封装
@Data
@NoArgsConstructor
@AllArgsConstructor
@Builder
public class DistanceData {
// 当前点的 INDEX 值
private int index;
// 当前点到直线的距离值
private double distance;
}
算法核心代码及测试代码【为了简洁部分注解未使用DOC规范】:
public class Douglas {
// 矢量曲线的点数据
private static List<PointData> points = new ArrayList<>();
// 距离阈值(值越大效果越好但丢失细节就越多)
private static final double DISTANCE_THRESHOLD = 0.00001;
/\*\*
\* 标记要删除的点
\*
\* @param from 矢量曲线的起始点
\* @param to 矢量曲线的终止点
\*/
private static void markDeletePoints(PointData from, PointData to) {
// 计算由起始点和终止点构成直线方程一般式的系数
double fromLat = from.getLatitudeEx();
double fromLng = from.getLongitudeEx();
double toLat = to.getLatitudeEx();
double toLng = to.getLongitudeEx();
// 求解点到直线距离方程的参数
double sqrtPowAddVal = Math.sqrt(Math.pow((fromLat - toLat), 2) + Math.pow((fromLng - toLng), 2));
double parameterA = (fromLat - toLat) / sqrtPowAddVal;
double parameterB = (toLng - fromLng) / sqrtPowAddVal;
double parameterC = (fromLng \* toLat - toLng \* fromLat) / sqrtPowAddVal;
int fromIndex = points.indexOf(from);
int toIndex = points.indexOf(to);
if (toIndex == fromIndex + 1) {
return;
}
// 起止点之间的点到起止点连线的距离数据集合
List<DistanceData> distanceDataList = new ArrayList<>();
double powAddRes = Math.pow(parameterA, 2) + Math.pow(parameterB, 2);
for (int i = fromIndex + 1; i < toIndex; i++) {
double lng = points.get(i).getLongitudeEx();
double lat = points.get(i).getLatitudeEx();
// 点到直线的距离
double distance = Math.abs(parameterA \* (lng) + parameterB \* (lat) + parameterC) / Math.sqrt(powAddRes);
distanceDataList.add(DistanceData.builder().index(i).distance(distance).build());
}
// 获取最大距离
double distanceMax = 0;
Optional<Double> max = distanceDataList.stream()
.map(DistanceData::getDistance).max(Double::compareTo);
if (max.isPresent()) {
distanceMax = max.get();
}
// 分割点
PointData splitPoint;
// 最大距离与距离阈值进行比较
if (distanceMax < DISTANCE_THRESHOLD) {
// 小于则标记 points(fromIndex,toIndex) 内的坐标(用于删除)
for (int i = fromIndex + 1; i < toIndex; i++) {
points.get(i).setIsDelete(1);
}
} else {
// 大于极差则进行分割
double finalDistanceMax = distanceMax;
// 存在多个最大点的情况
List<DistanceData> distanceMaxIndex = distanceDataList.stream()
.filter(distanceData -> distanceData.getDistance() == finalDistanceMax)
.collect(Collectors.toList());
int maxIndex = distanceMaxIndex.get(0).getIndex();
splitPoint = points.get(maxIndex);
// 分割点左侧进行递归抽稀(标记全部要删除的点)
markDeletePoints(from, splitPoint);
// 分割点右侧进行递归抽稀(标记全部要删除的点)
markDeletePoints(splitPoint, to);
}
}