根据Moore-Neighbor算法画等值线！！

最新推荐文章于 2022-03-19 10:38:37 发布
最新推荐文章于 2022-03-19 10:38:37 发布
阅读量443 收藏
点赞数
原文链接：https://my.oschina.net/LinBandit/blog/174364
版权

先上图

Moore-Neighbor算法讲解

，这个是从区域雨量信息中提取出来的等值线，雨量信息是一个二维数据，根据Moore-Neighbor算法提取出等值线，然后把等值线画出来。

之前也有画等值线的解决方案，但都是从人家的业务库中，把相关等值线的代码抠出来的，非常的憋屈，网上也有开源方案，但是用起来不尽人意，不能最大程度为我所用，都是带了很多很多对我来说不必要或是不通用的东西，所以下狠心自己写一个！
上网看了多个等值线的算法，选择了Moore-Neighbor算法，这个算法的效率也许不是最优的，但是这个算法比较好实现。
自己实现的和我之前用过的方案最大不同在于简洁，由于目的只有一个：给出二维数据，输出等值线，不带任何业务上的东西，非常干净，易于维护，可以很容易的应用到其他系统中去（比如前面博客中提到的插值），总共的类就只有三个，代码量很小，后续有时间的话，再做些包装，使其可以直接读取不同的数据源，支持地理坐标等！

转载于:https://my.oschina.net/LinBandit/blog/174364

chongjiaofeng1616
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
边界跟踪----摩尔边界跟踪算法
qq_42598935的博客
11-02 1283
参考链接 基本思想： （1）从一个封闭空间的左上角像素点开始，如下图中的p1点，以该点为起始点。 从该起始点的领域的空白像素点，以逆时针方向寻找，直到找到下一个边界点（图中为P2）。 2.每次遇到黑色像素点（即边界点），将它设置为当前边界像素点，然后原路返回到先前到达的白色像素，以顺时针方向搜索当前点的8邻域内的每一个像素，直到遇到下一个黑色像素。 3，重复步骤2，直到第二次访问到初始边界点，终止。在整个运行过程走过的黒色像素就是目标的边界像素。 ...
Moore-Neighbor Boundary Trace：Moore-Neighbor Tracing 提供二值图像中对象边界的轨迹。-matlab开发
05-30
函数边界 = traceit( 输入 ) % 此功能使用摩尔邻居跟踪来提供一个有组织的列表二值图像中对象的边界轨迹中的 % 点。 % % 输出格式为： % ％[x1 y1] % [ x2 y2 ] % [……] % [ xn y ] % % 提供的输入图像应该是二进制图像。 如果图像不是% 二进制，无法保证结果。 % % 要可视化此函数的结果，以下内容可能有用： % % 边界 = traceit( 输入 ); % imshow( 输入); ％ 坚持，稍等; % plot(boundary(:, 1), boundary(:, 2), 'r' ); % 推迟; % % 如果二值图像中存在多个连接对象，您将% 需要修改代码以找到每个对象的初始条目。 这% 超出了我的需求范围，所以我没有将该功能包含在% 这个代码。 % % 为了更好地解释 Moore-Neighbor Tracing 算法，请
matlab开发-MooreNeighborBoundaryTrace
08-27
matlab开发-MooreNeighborBoundaryTrace。摩尔邻域跟踪，在二进制图像中提供对象边界的跟踪。
边界跟踪算法（二）——摩尔邻域跟踪算法
热门推荐
酷小川的博客
07-10 1万+
 摩尔领域也称为8邻域或者间接邻域。摩尔邻域跟踪算法的基本思想： 找到一个黑色像素，并将它定为你的起始像素。（定位一个起始像素可以以多种方式来完成的；我们将从网格的左下角开始，自下而上扫描每一列像素，从最左向右的每列像素，直到遇到一个黑色的像素，我们将其作为我们的起始像素）。 总的想法如下图所示：每次遇到黑色像素，将设置为当前边界像素点，然后原路返回到先前到达的白色像素，
Boyer-Moore算法
03-01
c++ 实现高效的字符匹配B_M算法，该算法是在vc6.0下运行通过。。
fixed-radius-near-neighbor:固定半径近邻算法说明
06-29
这与K最近邻（K-Nearest Neighbor, KNN）算法不同，KNN中的"K"是可变的，而FRNN关注的是一个固定的范围。 在JavaScript中实现FRNN，首先需要一个有效的数据结构来存储数据点，例如使用数组或者对象。每个数据点通常...
Python机器学习k-近邻算法(K Nearest Neighbor)实例详解
09-20
K-近邻算法（K Nearest Neighbor，KNN）是一种基本分类与回归方法。在机器学习领域，KNN算法的核心思想是通过测量不同特征值之间的距离来进行分类。基于输入样本与样本集中已知类别的样本之间的距离，将其归类于最近...
KNN（K-Nearest Neighbor）算法.zip
最新发布
04-15
KNN（K-Nearest Neighbors）算法，即K最近邻算法，是一种基本且广泛使用的监督学习算法，主要用于分类和回归问题。它的核心思想是通过测量不同特征点之间的距离来进行分类或回归。 KNN（K-Nearest Neighbors）算法...
t-sne算法matlab原函数
01-19
T-distributed Stochastic Neighbor Embedding（T-SNE）是一种非线性的降维技术，主要用于高维数据的可视化。它能够将高维数据映射到二维或三维空间中，同时保持局部结构，使得数据的分布特性得以保留，便于观察和...
the Moore neighborhood
weixin_34250709的博客
05-10 442
2019独角兽企业重金招聘Python工程师标准>>> ...
使用摩尔邻域的边界追踪：使用摩尔邻域的二维边界追踪。-matlab开发
06-01
使用摩尔邻域进行边界追踪============================================== 亚当 H.艾特肯黑德adam.aitkenhead@physics.cr.man.ac.uk 克里斯蒂 NHS 基金会信托2010 年 5 月 17 日使用 Moore 邻域的 2D 边界跟踪。 用法====== >> [listCONTOUR,listNORMALS] = TRACE_MooreNeighbourhood(data2D,pixelFIRST) 获取逻辑数组 并跟踪 1s 区域的边界。 起始像素的坐标可选地由 定义。 输入参数================ data2D - 大小为 (L,M) 的二维逻辑数组（1 => 区域内，0 => 区域外） pixelFIRST（可选） - 一个 (2x1) 数组，包含位
二值图像的边界追踪算法
04-23
该代码实现二值图像的边界追踪算法 对寻找二值图像的边界点的坐标很有帮助
二值图像目标邻域点法边界跟踪算法
08-29
自己实现的基于matlab的论文作者提出的二值图像目标邻域点法边界跟踪算法，比8邻域算法速度快。
【OpenCv】图像的轮廓查找
weixin_53598445的博客
03-19 7489
1 原理   边界或者轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。 在机器视觉领域最常用的轮廓查找的算法之一是 Moore-Neighbor 算法，像素的摩尔邻域 PPP 是与该像素共享顶点或边的 888 个像素的集合。这些像素即 如下图所示的像素P1P1P1、P2P2P2、P3P3P3、P4P4P4、P5P5P5、P6P6P6、P7P7P7和P8P8P8。 摩尔邻域（也称为8 邻域或 间接邻域）是文献中经常出现的一个重要概念。
利用marching square algorithm获取图形轮廓
技术斋
12-12 6659
图像轮廓获取方法，英文名叫 contour tracing ，或者叫 border following,常见的方法有： Square Tracing Algorithm ，Moore-Neighbor Tracing ，Radial Sweep ， Theo Pavlidis' Algorithm 。 参考：http://www.imageprocessingplace.com/downloa
传播模型——简单的元胞自动机（3）
Elliebababa的博客
08-12 8089
参考书目《元胞自动机理论研究及其仿真应用》科学出版社 邻居类型：Moore邻居 元胞状态：0  1 （正方与反方） 演化规则：当周围元胞状态为1的个数多余4，则元胞状态变为1，否则为0 （992号规则） 演化特点：每个元胞倾向于其周围占大多数的意见，若干步之后基本达稳定，且相同状态的元胞倾向于聚在一起，呈现出“物以类聚”的现象 与邻居接触较广的规则聚类现象明显于接触较少的规则。反应出在传
边缘跟踪Moores 算法
weixin_51461611的博客
11-18 2504
摩尔领域也称为8邻域或者间接邻域。 摩尔邻域跟踪算法的基本思想： 边界追踪: Moore’s 算法 The general idea is: • every time you hit a black pixel, P, backtrack i.e. go back to the white pixel you were previously standing on, then, • go around pixel P in a clockwise direction, visiting each.
Boyer-Moore算法--C语言实现（简单易懂）
红叶幽香的博客
12-05 7658
Boyer-Moore算法简介Boyer-Moore算法是1977年，Robert S.Boyer和J Strother Moore提出了另一种在O(n)时间复杂度内，完成字符串匹配的算法，其在绝大多数场合的性能表现，比KMP算法还要出色。KMP算法和BM算法，它们分别是前缀匹配和后缀匹配的经典算法。
max-chained-neighbor-updates
09-21
max-chained-neighbor-updates是一种算法或方法，可以用于优化网络中的更新操作。在一个网络中，节点之间的相互关系往往会发生变化，这可能导致一些更新操作需要在节点之间传递。传统的更新方法是一次性地在整个网络中进行更新，但这可能会造成网络拥堵和延迟。 max-chained-neighbor-updates通过将更新操作切分成多个步骤，并根据节点之间的连接关系，逐步地将更新从一个节点传递到另一个节点。具体来说，它将更新操作限制在每个节点的邻居节点之间传递，而不是在整个网络中传递。当一个节点完成更新后，它将通知它的邻居节点进行更新，然后邻居节点再通知它们的邻居节点，依此类推。这样的传递可以形成一个链式的更新流程，使得更新操作在网络中以最大化的效率进行传递。 使用max-chained-neighbor-updates方法的好处是可以减少网络拥堵和延迟。因为每个节点只需要与它的邻居节点进行通信，而不需要与整个网络进行通信，节省了网络资源和通信成本。此外，逐步传递更新可以避免大量的更新同时传递，减少了传输冲突和数据错误的可能性。 然而，max-chained-neighbor-updates也有一些限制。首先，它仅适用于节点之间具有明确定义的连接关系的网络。其次，如果一个节点的邻居节点在进行更新之前已经开始了更新操作，可能会导致更新顺序的混乱和错误。因此，在实施max-chained-neighbor-updates时需要考虑这些问题，并采取适当的措施来确保更新操作的正确性和一致性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值