四叉树的构建-范围模拟分裂

四叉树的构建-简单的范围模拟分裂

#include<stdio.h>
#include<iostream>
#include<algorithm>
using namespace std;
struct node
{
double dian[4];//用来保存x,y的最大值和最小值
int gs;//限定一个节点中所能存放最大点数
bool j;//用来标记是否进行了分裂
node *f[4];//四叉树的四个节点
void csh()//进行初始化
{
gs=100;
j=1;
}
void chu()//用来输出范围
{
for(int i=0;i<4;i++)
cout<<dian[i]<<" ";
cout<<endl;
}

};
node *creat(double minx,double maxx,double miny,double maxy,int geshu)//用来构建四叉树
{

node *t;
t=(node *)malloc(sizeof(node));
t->csh();
t->dian[0]=minx;
t->dian[1]=maxx;
t->dian[2]=miny;
t->dian[3]=maxy;
t->chu();
if(geshu>t->gs)//判断这个范围内的点是否达到所限制的个数,超过则进行分裂。
{
t->j=0;
t->f[0]=creat(t->dian[0],(minx+maxx)/2,(miny+maxy)/2,t->dian[3],geshu/2);
t->f[1]=creat((minx+maxx)/2,t->dian[1],(miny+maxy)/2,t->dian[3],geshu/2);
t->f[2]=creat(t->dian[0],(minx+maxx)/2,t->dian[2],(miny+maxy)/2,geshu/2);
t->f[3]=creat((minx+maxx)/2,t->dian[1],t->dian[2],(miny+maxy)/2,geshu/2);
}
return t;
}
int main()
{
node *h;
double x1,x2,y1,y2;
int ge;
cin>>x1>>x2>>y1>>y2>>ge;//输入一个范围,以及这个范围内的点的个数。
h=creat(x1,x2,y1,y2,ge);
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个基于区域四叉树分裂合并算法的MATLAB代码示例: ```matlab function [QT, map] = quadtree(I, threshold) % I:输入图像 % threshold:阈值 % 初始化四叉树 QT = struct('type', 'q', 'nw', [], 'ne', [], 'sw', [], 'se', []); % 初始化映射表 map = zeros(size(I)); % 如果图像大小小于等于阈值,则将当前节点设置为叶节点并返回 if size(I, 1) <= threshold QT.type = 'l'; QT.val = mean(I(:)); map(:) = QT.val; return; end % 计算图像的平均灰度值 meanI = mean(I(:)); % 计算图像的灰度值标准差 stdI = std(I(:)); % 如果图像标准差小于等于阈值,则将当前节点设置为叶节点并返回 if stdI <= threshold QT.type = 'l'; QT.val = meanI; map(:) = QT.val; return; end % 将图像分成四个子块 midX = size(I, 1) / 2; midY = size(I, 2) / 2; QT.nw = quadtree(I(1:midX, 1:midY), threshold); QT.ne = quadtree(I(1:midX, midY+1:end), threshold); QT.sw = quadtree(I(midX+1:end, 1:midY), threshold); QT.se = quadtree(I(midX+1:end, midY+1:end), threshold); % 根据子块的值更新映射表 map(1:midX, 1:midY) = map(1:midX, 1:midY) + QT.nw.val; map(1:midX, midY+1:end) = map(1:midX, midY+1:end) + QT.ne.val; map(midX+1:end, 1:midY) = map(midX+1:end, 1:midY) + QT.sw.val; map(midX+1:end, midY+1:end) = map(midX+1:end, midY+1:end) + QT.se.val; end ``` 该代码实现了一个基于区域四叉树分裂合并算法的图像压缩方法。该算法将输入图像递归地分割成四个子块,直到满足某个终止条件为止。在每个节点上,算法计算子块的平均灰度值和标准差,并根据它们的值将子块分裂或合并。最终,算法将每个节点的平均灰度值作为该节点的值,并使用映射表将每个像素的值映射为其所在节点的值。 该算法的优点是能够在保持图像质量的前提下,有效地压缩图像。缺点是算法的运行时间较长,尤其是在图像大小较大时。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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