Java【算法分享 01】道格拉斯-普克 Douglas-Peucker 抽稀算法（算法流程图解+使用JDK8方法实现+详细注解源码）_普客道格拉斯算法java

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】：

1. 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；
2. 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；
3. 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。
4. 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。
5. 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);
        }
    }