| /************************************************************************ * 用改进的欧拉方法求解初值问题，其中一阶微分方程未y'=f(x,y) * 初始条件为x=x[0]时,y＝y[0]. * 输入: f--函数f(x,y)的指针 * x--自变量离散值数组(其中x[0]为初始条件) * y--对应于自变量离散值的函数值数组(其中y[0]为初始条件) * h--计算步长 * n--步数 * 输出: x为说求解的自变量离散值数组 * y为所求解对应于自变量离散值的函数值数组 ************************************************************************/ double proved_euler(double(*f)(double,double),double x[], double y[],double h,int n) { int i; double xs,ys,yp; for(i=0;i<n;i++) { ys=y; xs=x; y[i+1]=y; yp=(*f)(xs,ys); //k1 y[i+1]+=yp*h/2.0; ys+=h*yp; xs+=h; yp=(*f)(xs,ys); //k2 y[i+1]+=yp*h/2.0; x[i+1]=xs; } return(0); } |
/************************************************************************
* 离散傅立叶变换与反变换
* 输入: x--要变换的数据的实部
* y--要变换的数据的虚部
* a--变换结果的实部
* b--变换结果的虚部
* n--数据长度
* sign--sign=1时，计算离散傅立叶正变换;sign=-1时;计算离散傅立叶反变换
************************************************************************/
void dft(double x[],double y[],double a[],double b[],int n,int sign)
{
int i,k;
double c,d,q,w,s;
q=6.28318530718/n;
for(k=0;k<n;k++)
{
w=k*q;
a[k]=b[k]=0.0;
for(i=0;i<n;i++)
{
d=i*w;
c=cos(d);
s=sin(d)*sign;
a[k]+=c*x+s*y;
b[k]+=c*y-s*x;
}
}
if(sign==-1)
{
c=1.0/n;
for(k=0;k<n;k++)
{
a[k]=c*a[k];
b[k]=c*b[k];
}
}
}
/************************************************************************
* 用四阶亚当姆斯预估计求解初值问题，其中一阶微分方程未y'=f(x,y)
* 初始条件为x=x[0]时,y＝y[0].
* 输入: f--函数f(x,y)的指针
* x--自变量离散值数组(其中x[0]为初始条件)
* y--对应于自变量离散值的函数值数组(其中y[0]为初始条件)
* h--计算步长
* n--步数
* 输出: x为说求解的自变量离散值数组
* y为所求解对应于自变量离散值的函数值数组
************************************************************************/
double adams(double(*f)(double,double),double x[],
double y[],double h,int n)
{
double dy[4],c,p,c1,p1,m;
int i,j;
runge_kuta(f,x,y,h,3);
for(i=0;i<4;i++)
dy=(*f)(x,y);
c=0.0; p=0.0;
for(i=4;i<n+1;i++)
{
x=x[i-1]+h;
p1=y[i-1]+h*(55*dy[3]-59*dy[2]+37*dy[1]-9*dy[0])/24;
m=p1+251*(c-p)/270;
c1=y[i-1]+h*(9*(*f)(x,m)+19*dy[3]-5*dy[2]+dy[1])/24;
y=c1-19*(c1-p1)/270;
c=c1; p=p1;
for(j=0;j<3;j++)
dy[j]=dy[j+1];
dy[3]=(*f)(x,y);
}
return(0);
}
#include "stdlib.h"
#include "stdio.h"
#include "math.h"
double uniform(double a,double b,long int* seed);
double gauss(double mean,double sigma,long int *seed);
double exponent(double beta,long int *seed);
double laplace(double beta,long int* seed);
double rayleigh(double sigma,long int *seed);
double weibull(double a,double b,long int*seed);
int bn(double p,long int*seed);
int bin(int n,double p,long int*seed);
int poisson(double lambda,long int *seed);
void main()
{
double a,b,x,mean;
int i,j;
long int s;
a=4;
b=0.7;
s=13579;
mean=0;
for(i=0;i<10;i++)
{
for(j=0;j<5;j++)
{
x=poisson(a,&s);
mean+=x;
printf("%-13.7f",x);
}
printf("\n");
}
mean/=50;
printf("平均值为:%-13.7f\n",mean);
}
/*******************************************************************
* 求[a,b]上的均匀分布
* 输入: a--双精度实型变量，给出区间的下限
* b--双精度实型变量，给出区间的上限
* seed--长整型指针变量，*seed为随机数的种子
********************************************************************/
double uniform(double a,double b,long int*seed)
{
double t;
*seed=2045*(*seed)+1;
*seed=*seed-(*seed/1048576)*1048576;
t=(*seed)/1048576.0;
t=a+(b-a)*t;
return(t);
}
/*******************************************************************
* 正态分布
* 输入: mean--双精度实型变量，正态分布的均值
* sigma--双精度实型变量，正态分布的均方差
* seed--长整型指针变量，*seed为随机数的种子
********************************************************************/
double gauss(double mean,double sigma,long int*seed)
{
int i;
double x,y;
for(x=0,i=0;i<12;i++)
x+=uniform(0.0,1.0,seed);
x=x-6.0;
y=mean+x*sigma;
return(y);
}
/*******************************************************************
* 指数分布
* 输入: beta--指数分布均值
* seed--种子
*******************************************************************/
double exponent(double beta,long int *seed)
{
double u,x;
u=uniform(0.0,1.0,seed);
x=-beta*log(u);
return(x);
}
/*******************************************************************
* 拉普拉斯随机分布
* beta--拉普拉斯分布的参数
* *seed--随机数种子
*******************************************************************/
double laplace(double beta,long int* seed)
{
double u1,u2,x;
u1=uniform(0.,1.,seed);
u2=uniform(0.,1.,seed);
if(u1<=0.5)
x=-beta*log(1.-u2);
else
x=beta*log(u2);
return(x);
}
/********************************************************************
* 瑞利分布
*
********************************************************************/
double rayleigh(double sigma,long int *seed)
{
double u,x;
u=uniform(0.,1.,seed);
x=-2.0*log(u);
x=sigma*sqrt(x);
return(x);
}
/************************************************************************/
/* 韦伯分布 */
/************************************************************************/
double weibull(double a,double b,long int*seed)
{
double u,x;
u=uniform(0.0,1.0,seed);
u=-log(u);
x=b*pow(u,1.0/a);
return(x);
}
/************************************************************************/
/* 贝努利分布 */
/************************************************************************/
int bn(double p,long int*seed)
{
int x;
double u;
u=uniform(0.0,1.0,seed);
x=(u<=p)?1:0;
return(x);
}
/************************************************************************/
/* 二项式分布 */
/************************************************************************/
int bin(int n,double p,long int*seed)
{
int i,x;
for(x=0,i=0;i<n;i++)
x+=bn(p,seed);
return(x);
}
/************************************************************************/
/* 泊松分布 */
/************************************************************************/
int poisson(double lambda,long int *seed)
{
int i,x;
double a,b,u;
a=exp(-lambda);
i=0;
b=1.0;
do {
u=uniform(0.0,1.0,seed);
b*=u;
i++;
} while(b>=a);
x=i-1;
return(x);
}
/************************************************************************
* 本算法用指数平滑法预测数据
* 输入: k--平滑周期
* n--原始数据个数
* m--预测步数
* alfa--加权系数
* x--指向原始数据数组指针
* 输出: s1--返回值为指向一次平滑结果数组指针
* s2--返回值为指向二次指数平滑结果数组指针
* s3--返回值为指向三次指数平滑结果数组指针
* xx--返回值为指向预测结果数组指针
************************************************************************/
void phyc(int k,int n,int m,double alfa,double x[N_MAX],
double s1[N_MAX],double s2[N_MAX],double s3[N_MAX],double xx[N_MAX])
{
double a,b,c,beta;
int i;
s1[k-1]=0;
for(i=0;i<k;k++)
s1[k-1]+=x;
s1[k-1]/=k;
for(i=k;i<=n;i++)
s1=alfa*x+(1-alfa)*s1[i-1];
s2[2*k-2]=0;
for(i=k-1;i<2*k-1;i++)
s2[2*k-2]+=s1;
s2[2*k-2]/=k;
for(i=2*k-1;i<=n;i++)
s2=alfa*s1+(1-alfa)*s2[i-1];
s3[3*k-3]=0;
for(i=2*k-2;i<3*k-2;i++)
s3[3*k-3]+=s2;
s3[3*k-3]/=k;
for(i=3*k-2;i<=n;i++)
s3=alfa*s2+(1-alfa)*s3[i-1];
beta=alfa/(2*(1-alfa)*(1-alfa));
for(i=3*k-3;i<=n;i++)
{
a=3*s1-3*s2+s3;
b=beta*((6-5*alfa)*s1-2*(5-4*alfa)*s2+(4-3*alfa)*s3);
c=beta*alfa*(s1-2*s2+s3);
xx=a+b*m+c*m*m;
}
}
精度比欧拉方法高
但是感觉依然不理想
| /************************************************************************ * 用四阶(定步长)龙格--库塔法求解初值问题，其中一阶微分方程未y'=f(x,y) * 初始条件为x=x[0]时,y＝y[0]. * 输入: f--函数f(x,y)的指针 * x--自变量离散值数组(其中x[0]为初始条件) * y--对应于自变量离散值的函数值数组(其中y[0]为初始条件) * h--计算步长 * n--步数 * 输出: x为说求解的自变量离散值数组 * y为所求解对应于自变量离散值的函数值数组 ************************************************************************/ double runge_kuta(double(*f)(double,double),double x[], double y[],double h,int n) { int i; double xs,ys,xp,yp,dy; xs=x[0]+n*h; for(i=0;i<n;i++) { ys=y; dy=(*f)(x,y); //k1 y[i+1]=y+h*dy/6; xp=x+h/2; yp=ys+h*dy/2; dy=(*f)(xp,yp); //k2 y[i+1]+=h*dy/3; yp=ys+h*dy/2; dy=(*f)(xp,yp); //k3 y[i+1]+=h*dy/3; xp+=h/2; yp=ys+h*dy; dy=(*f)(xp,yp); //k4 y[i+1]+=h*dy/6; x[i+1]=xp; if(x[i+1]>=xs) return (0); } return(0); } |
感觉精度比较低
| /************************************************************************ * 中心差分(矩形）公式计算函数f(x)在a点的导数值 * 输入: f--函数f(x)的指针 * a--求导点 * h--初始步长 * eps--计算精度 * max_it--最大循环次数 * 输出: 返回值为f(x)在a点的导数 ************************************************************************/ double central_difference(double (*f)(double),double a, double h,double eps,int max_it) { double ff,gg; int k; ff=0.0; for(k=0;k<max_it;k++) { gg=((*f)(a+h)-(*f)(a-h))/(h+h); if(fabs(gg-ff)<eps) return(gg); h*=0.5; ff=gg; } if(k==max_it) { printf("未能达到精度要求,需增大迭代次数!"); return(0); } return(gg); } |
code]
/********************************************************************
* 用高斯10点法计算函数f(x)从a到b的积分值
* 输入: f--函数f(x)的指针
* a--积分下限
* b--积分上限
* 输出: 返回值为f(x)从a点到b点的积分值
*******************************************************************/
double gauss_legendre(double(*f)(double),double a,double b)
{
const int n=10;
const double z[10]={-0.9739065285,-0.8650633677,-0.6794095683,
-0.4333953941,-0.1488743390,0.1488743390,
0.4333953941,0.6794095683,0.8650633677,
0.9739065285};
const double w[10]={0.0666713443,0.1494513492,0.2190863625,
0.2692667193,0.2955242247,0.2955242247,
0.2692667193,0.2190863625,0.1494513492,
0.0666713443};
double y,gg;
int i;
gg=0.0;
for(i=0;i<n;i++)
{
y=(z[i]*(b-a)+a+b)/2.0;
gg+=w[i]*(*f)((double)y);
}
return((double)((gg*(b-a)/2.0)));
}
[/code]
9、龙贝格法求积分
| /******************************************************************** * 用龙贝格法计算函数f(x)从a到b的积分值 * 输入: f--函数f(x)的指针 * a--积分下限 * b--积分上限 * eps--计算精度 * max_it--最大迭代次数 * 输出: 返回值为f(x)从a点到b点的积分值 *******************************************************************/ double romberg(double(*f)(double),double a,double b, double eps,int max_it) { double *t,h; int i,m,k; if(!(t=(double *)malloc(max_it*sizeof(double)+1))) return(ERROR_CODE); h=b-a; t[1]=h*((*f)(a)+(*f)(b))/2.0; printf("%18.10e\n",t[1]); for(k=2;k<max_it+1;k++) { double s,sm; h*=0.5; s=0.0; for(i=0;i<pow(2,k-2);i++) s+=(*f)(a+(2*i+1)*h); sm=t[1]; t[1]=0.5*t[1]+h*s; for(m=2;m<k+1;m++) { s=t[m]; t[m]=t[m-1]+(t[m-1]-sm)/(pow(4,m-1)-1); if(m<k) sm=s; } for(m=1;m<k+1;m++) printf("%18.10e",t[m]); printf("\n"); if(fabs(t[k]-sm)<eps) { sm=t[k]; free(t); return(sm); } } return(ERROR_CODE); } |
10、复合辛普生法求积分
| #include "stdio.h" double composite_simpson(double(*f)(double),double a,double b,int n); double myfun(double x); void main() { double(*fun)(double); double a,b,S4; int n; a=0; b=1; n=4; fun=myfun; S4=composite_simpson(fun,a,b,n); printf("\n积分值为:%f\n",S4); } /******************************************************************** * 用复合辛普生法计算函数f(x)从a到b的积分值 * 输入: f--函数f(x)的指针 * a--积分下限 * b--积分上限 * n--分段数 * 输出: 返回值为f(x)从a点到b点的积分值 *******************************************************************/ double composite_simpson(double(*f)(double),double a,double b,int n) { double s,h,x; int i; printf("x\t\tf(x)\t\ts\n"); s=(*f)(a)-(*f)(b); h=(b-a)/(2*n); x=a; for(i=1;i<2*n;i+=2) { x+=h; s+=4*(*f)(x); printf("%f\t%f\t%f\n",x,(*f)(x),s*h/3); x+=h; s+=2*(*f)(x); printf("%f\t%f\t%f\n",x,(*f)(x),s*h/3); } return(s*h/3); } double myfun(double x) { double y; y=4.0/(1+x*x); return(y); } |
11、最小二乘法拟合
| /*************************************************************** * 本算法用最小二乘法依据指定的M个基函数及N个已知数据进行曲线拟和 * 输入: m--已知数据点的个数M * f--M维基函数向量 * n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * a--无用 * 输出: 函数返回值为曲线拟和的均方误差 * a为用基函数进行曲线拟和的系数, * 即a[0]f[0]+a[1]f[1]+...+a[M]f[M]. ****************************************************************/ double mini_product(int m,double(*f[M])(double),int n,double x[N], double y[N],double a[M]) { double e,ff,b[M][M],c[M][1]; int i,j,k; for(j=0;j<m;j++) /*计算最小均方逼近矩阵及常向量*/ { for(k=0;k<m;k++) { b[j][k]=0.0; for(i=0;i<n;i++) b[j][k]+=(*f[j])(x)*(*f[k])(x); } c[j][0]=0.0; for(i=0;i<n;i++) c[j][0]+=(*f[j])(x)*y; } gaussian_elimination(m,b,1,c); /*求拟和系数*/ for(i=0;i<m;i++) a=c[0]; e=0.0; for(i=0;i<n;i++) /*计算均方误差*/ { ff=0.0; for(j=0;j<m;j++) ff+=a[j]*(*f[j])(x); e+=(y-ff)*(y-ff); } return(e); } |
| /************************************************************************* * 高斯列主元素消去法求解矩阵方程AX=B,其中A是N*N的矩阵,B是N*M矩阵 * 输入: n----方阵A的行数 * a----矩阵A * m----矩阵B的列数 * b----矩阵B * 输出: det----矩阵A的行列式值 * a----A消元后的上三角矩阵 * b----矩阵方程的解X **************************************************************************/ double gaussian_elimination(int n,double a[M][M],int m,double b[M][1]) { int i,j,k,mk; double det,mm,f; det = 1.0; for(k = 0;k<n-1;k++) /*选主元并消元*/ { mm=a[k][k]; mk = k; for(i=k+1;i<n;i++) /*选择第K列主元素*/ { if(fabs(mm)<fabs(a[k])) { mm = a[k]; mk = i; } } if(fabs(mm)<EPS) return(0); if(mk!=k) /* 将第K列主元素换行到对角线上*/ { for(j=k;j<n;j++) { f = a[k][j]; a[k][j]=a[mk][j]; a[mk][j]=f; } for(j=0;j<m;j++) { f = b[k][j]; b[k][j]=b[mk][j]; b[mk][j]=f; } det = -det; } for(i=k+1;i<n;i++) /*将第K列对角线以下消元为零*/ { mm = a[k]/a[k][k]; a[k]=0.0; for(j=k+1;j<n;j++) a[j]=a[j]-mm*a[k][j]; for(j=0;j<m;j++) b[j]=b[j]-mm*b[k][j]; } det = det*a[k][k]; } if(fabs(a[k][k])<EPS) return 0; det=det*a[k][k]; for(i=0;i<m;i++) /*回代求解*/ { b[n-1]=b[n-1]/a[n-1][n-1]; for(j=n-2;j>=0;j--) { for(k=j+1;k<n;k++) b[j]=b[j]-a[j][k]*b[k]; b[j]=b[j]/a[j][j]; } } return(det); } |
12.埃特金插值法
| /****************************************************** * 用埃特金插值法依据N个已知数据点计算函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插值点第一坐标 * eps--求解精度 * 输出: 函数返回值所求插值点的第二坐标 ******************************************************/ double aitken(int n,double x[N],double y[N],double xx,double eps) { double d[N]; int i,j; for(i=0;i<=n;i++) d=y; for(i=0;i<=n;i++) { for(j=0;j<i;j++) d=(d*(x[j]-xx)-d[j]*(x-xx))/(x[j]-x); if(d-d[i-1]<eps) return(d); } } |
13、牛顿插值法
| /****************************************************** * 用牛顿插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插值点第一坐标 * 输出: 函数返回值所求插值点的第二坐标 ******************************************************/ double newton(int n,double x[N],double y[N],double xx) { double d[N],b; int i,j; for(i=0;i<=n;i++) d=y; for(i=n-1;i>=0;i--) /*求差商*/ for(j=i+1;j<=n;j++) { if(fabs(x-x[j])<EPS) return 0; d[j]=(d[j-1]-d[j])/(x-x[j]); } b=d[n]; for(i=n-1;i>=0;i--) b=d+(xx-x)*b; return b; } |
14、 拉格朗日插值法
| /****************************************************** * 用拉格朗日插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插值点第一坐标 * 输出: 函数返回值所求插值点的第二坐标 ******************************************************/ double lagrange(int n,double x[N],double y[N],double xx) { double p,yy; int i,j; yy = 0.0; for(i=0;i<=n;i++) { p=1.0; for(j=0;j<=n;j++) if(i!=j) { if(fabs(x-x[j])<EPS) return 0; p=p*(xx-x[j])/(x-x[j]); } yy=yy+p*y; } return(yy); } |
15、 逆矩阵法求解矩阵方程AX=B
| /************************************************************************* * 逆矩阵法求解矩阵方程AX=B，其中A是N*N的矩阵,B是N*N矩阵 * 输入: n----方阵A的行数 * a----矩阵A * m----矩阵B的列数 * b----矩阵B * 输出: det----矩阵A的行列式值 * a----A的逆矩阵 * b----矩阵方程的解X **************************************************************************/ double gaussian_jodan_solve(int n,double a[N][N],int m,double b[N][M]) { double det,f[N]; int i,j,k; det = gaussian_jodan(n,a); if(det==0) return (0); for(k=0;k<m;k++) /*做矩阵乘法AB*/ { for(i=0;i<n;i++) { f=0.0; for(j=0;j<n;j++) f=f+a[j]*b[j][k]; } for(i=0;i<n;i++) b[k]=f; } return(det); } |
调用到的求逆矩阵的子函数
| /************************************************************************* * 高斯--约当列主元素法求矩阵方程A的逆矩阵，其中A是N*N的矩阵 * 输入: n----方阵A的行数 * a----矩阵A * 输出: det--A的行列式的值 * a----A的逆矩阵 **************************************************************************/ double gaussian_jodan(int n,double a[N][N]) { int i,j,k,mk; int p[N]; /*记录主行元素在原矩阵中的位置*/ double det,m,f; det = 1.0; for(k=0;k<n;k++) { m=a[k][k]; /*选第K列主元素*/ mk=k; for(i=k+1;i<n;i++) if(fabs(m)<fabs(a[k])) { m=a[k]; mk=i; } if(fabs(m)<EPS) return(0); if(mk!=k) { for(j=0;j<n;j++) /*将第K列主元素换行到主对角线上*/ { f=a[k][j]; a[k][j]=a[mk][j]; a[mk][j]=f; } p[k]=mk; det = -det; } else p[k]=k; det=det*m; for(j=0;j<n;j++) /*计算主行元素*/ if(j!=k) a[k][j]=a[k][j]/a[k][k]; a[k][k]=1.0/a[k][k]; for(i=0;i<n;i++) /*消元*/ { if(i!=k) { for(j=0;j<n;j++) if(j!=k) a[j]=a[j]-a[k]*a[k][j]; a[k]=-a[k]*a[k][k]; } } } for(k=n-2;k>=0;k--) /*按主行在原矩阵中的位置交换列*/ { if(p[k]!=k) for(i=0;i<n;i++) { f=a[k]; a[k]=a[p[k]]; a[p[k]]=f; } } return(det); } |
| /************************************************************************* * 高斯列主元素消去法求解矩阵方程AX=B,其中A是N*N的矩阵,B是N*M矩阵 * 输入: n----方阵A的行数 * a----矩阵A * m----矩阵B的列数 * b----矩阵B * 输出: det----矩阵A的行列式值 * a----A消元后的上三角矩阵 * b----矩阵方程的解X **************************************************************************/ double gaussian_elimination(int n,double a[N][N],int m,double b[N][M]) { int i,j,k,mk; double det,mm,f; det = 1.0; for(k = 0;k<n-1;k++) /*选主元并消元*/ { mm=a[k][k]; mk = k; for(i=k+1;i<n;i++) /*选择第K列主元素*/ { if(fabs(mm)<fabs(a[k])) { mm = a[k]; mk = i; } } if(fabs(mm)<EPS) return(0); if(mk!=k) /* 将第K列主元素换行到对角线上*/ { for(j=k;j<n;j++) { f = a[k][j]; a[k][j]=a[mk][j]; a[mk][j]=f; } for(j=0;j<m;j++) { f = b[k][j]; b[k][j]=b[mk][j]; b[mk][j]=f; } det = -det; } for(i=k+1;i<n;i++) /*将第K列对角线以下消元为零*/ { mm = a[k]/a[k][k]; a[k]=0.0; for(j=k+1;j<n;j++) a[j]=a[j]-mm*a[k][j]; for(j=0;j<m;j++) b[j]=b[j]-mm*b[k][j]; } det = det*a[k][k]; } if(fabs(a[k][k])<EPS) return 0; det=det*a[k][k]; for(i=0;i<m;i++) /*回代求解*/ { b[n-1]=b[n-1]/a[n-1][n-1]; for(j=n-2;j>=0;j--) { for(k=j+1;k<n;k++) b[j]=b[j]-a[j][k]*b[k]; b[j]=b[j]/a[j][j]; } } return(det); } |
任意多边形的面积计算（包括凹多边形的，以及画多边形时线相交了的判别），最好提供相关资料，越详细越好，谢谢
---------------------------------------------------------------
我们都知道已知A（x1,y1）B（x2,y2）C（x3,y3）三点的面积公式为
¦x1 x2 x3 ¦
S(A,B,C) = ¦y1 y2 y3 ¦ * 0.5 (当三点为逆时针时为正，顺时针则为负的)
¦1 1 1 ¦
对多边形A1A2A3、、、An（顺或逆时针都可以），设平面上有任意的一点P，则有：
S（A1，A2，A3，、、、，An）
= abs(S（P，A1，A2） + S（P，A2，A3）+、、、+S（P，An，A1）)
P是可以取任意的一点，用（0，0）就可以了。
这种方法对凸和凹多边形都适用。
还有一个方法：
任意一个简单多边形，当它的各个顶点位于网格的结点上时，它的面积数S=b/2+c+1
其中：b代表该多边形边界上的网络结点数目
c代表该多边形内的网络结点数目
所以把整个图形以象素为单位可以把整个图形分成若干个部分，计算该图形边界上的点b和内部的点c就得到面积数S了，然后把S乘以一个象素的面积就是所求的面积了。
非常感谢“山城棒棒儿的MATLAB&FPGA世界 ”，从中获益匪浅，有时间也会整理一些相关的数值分析的代码，共享给急切需要，没有目标的网友同行们！希望能在您能获多获少都会有所收获，那将是我最幸福的事！
转自 http://www.cnblogs.com/haohello/archive/2007/04/26/727744.html
1427
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
