GIS算法基础——矢量数据压缩道格拉斯普克压缩算法（非递归实现）

最新推荐文章于 2022-04-09 00:03:12 发布

RookGISer

最新推荐文章于 2022-04-09 00:03:12 发布

阅读量5.6k

点赞数 14

分类专栏： GIS算法基础文章标签： gis javascript

本文链接：https://blog.csdn.net/johntzh/article/details/114916069

版权

GIS算法基础专栏收录该内容

2 篇文章 5 订阅

订阅专栏

GIS基础算法目录

GIS算法基础——左转算法拓扑生成
 GIS算法基础——矢量数据压缩道格拉斯普克压缩算法（非递归实现）

GIS算法基础——矢量数据压缩道格拉斯普克算法（非递归实现）

GIS基础算法目录
道格拉斯-普克压缩算法
常见递归实现
- 算法流程
- 具体实现
JavaScript非递归实现
总结

道格拉斯-普克压缩算法

本博文用以梳理课堂及自学内容，转载请标明出处。
本人应用JS中的Canvas对算法结果进行可视化验证，在算法说明及实现中绘制验证部分省略
道格拉斯-普克算法 [1] (Douglas–Peucker algorithm，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)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。它的优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。

其过程大致如下：
首先，将一条曲线首末点连一条直线；求出其余各点到该直线的距离；选其最大者与规定的临界值相比较–若大于临界值，则离该直线距离最大的点保留–否则将直线两端间各点全部舍去。
过程如下图所示：

第一步，连接首末点：

第二步取得最大距离点并与阈值比较：
比较剩余各点距离MN直线的距离，
在本例中点1位三个点中距离最远的点，
假设其与MN直线的距离大于阈值。
故下一步为连接M、点1以及点1、N，由于点1、M中间没有剩余的点则这段线不再进行处理。
连接点1、N点
第三步，对点1、N点线段进行前两步的操作
连接点1、点2

常见递归实现

算法流程

（1）连接曲线首尾两点A、B形成一条直线AB；
（2）计算曲线上离该直线段距离最大的点C，计算其与AB的距离d；
（3）比较该距离与预先给定的阈值的大小，如果小于阈值，则以该直线作为曲线的近似，该段曲线处理完毕。
（4）如果距离大于阈值，则用点C将曲线分为两段AC和BC，并分别对两段曲线进行步骤[1~3]的处理。
（5）当所有曲线都处理完毕后，依次连接各个分割点形成折线，作为原曲线的近似。

具体实现

网上很多了，在此不再赘述。本文重点为非递归实现，具体见下文。

JavaScript非递归实现

实现思路演示

核心：利用JS中数组对象来模拟栈的出栈以及入栈操作。
在过程中不再对点对象进行操作，而是利用栈操作点的索引进行记录。

利用一个简单的实例演示过程：

首先，初始化两个栈（JS数组）A和B，并将起点M压入A，终点N压入B。
第一步
然后计算两个栈中栈顶的两个点之间点与之的最远距离得到点1，并判断其距离大于阈值（若不满足条件则将B栈顶出栈并压入A），将其压入B中
第二步
此时两栈顶点之间没有其他点，则将B栈顶出栈并将其压入A中
第三步
继续利用栈顶点比较，重复上述过程，如图所示，下面过程假设判断过程所有点的距离均大于阈值
第四步
第五步

第六步
第七步完成
至此，所有满足条件没有被压缩的点的索引均存储于A栈中，再利用点集合和A中索引将点取出即可。

时间回溯至点1与点N连接时，如果距离最大点2的距离小于阈值，则将B栈顶元素（实例中及N点）出栈压入A栈。
小于阈值情况
这种情况下最终输出为M、点1、N

本例子只是为了演示而展示的最简单的情况。

具体算法步骤

（1）初始化两个栈A、B（JS数组），将起点压入A，终点压入B

（2）若B栈不为空，则转至（3）；否则，结束并输出栈A。

（3）若栈顶元素之间有其他点，转至（4）；否则，转至（6）。

（4）计算得到两个栈顶元素之间的点与栈顶元素连接直线的距离最大值，及其点索引。若该最大值大于设置的阈值，转至（5）；否则，转至（6）。

（5）将该点索引压入B，转至（2）。

（6）将B栈顶元素出栈并压入A，转至（2）。

文字逻辑看起来很乱，所以说还是看流程图吧
道格拉斯普克非递归算法流程图

实现代码

计算最大距离及其点索引方法

// 计算最大距离,用于非递归方法
function FindMostDistance(seriesPoints,start,end,loc) {
	if (end - start <= 1) {
		loc = end;
		return 0;
	}
	let result = 0;
	let startPoint = seriesPoints[start];
	let endPoint = seriesPoints[end];
	for (let i = start + 1; i < end; i++) {
		var d = GetDistanceToLine(startPoint, endPoint, seriesPoints[i]);
		if (d > result) {
			result = d;
			loc = i;
		}
    }
    locate = loc;
	return result;
}

let locate = 0;//用于表示数组索引

非递归道格拉斯算法主体部分

// 非递归道格拉斯抽稀算法（利用数组模拟入栈出栈）
function DouglasThinningMachine(spList,threshold) {
	if (spList.length<=1) {
        console.log("No Enough Data");
    }
   
	let max = spList.length;
	// 创建两个数组记录索引值
	let A = new Array();
    let B = new Array();
    
	A.push(0);
    B.push(max - 1);
    
	do {//循环主体
		let d = FindMostDistance(spList, A[A.length-1], B[B.length-1],locate);//找到最大距离的点
		if (d > threshold) {//如果超过阈值就压入B
			B.push(locate);
		}
		else {//B栈顶的压入A中
            A.push(B.pop());
		}
    } while(B.length > 0);
    A = Array.from(new Set(A));
	let result = new Array();
	for (let index of A) {//利用索引构建结果
		result.push(spList[index]);
    }

    locate = 0;//初始化全局变量
	return result;
}