Python matplotlib 实现DDA算法

Python matplotlib 实现DDA算法

DDA算法全称数值微分法（Digital Differential Analyzer）,是用数值方法解微分方程，即通过对x和y各增加一个小量，计算下一步的x、y值。实际上，应该令一个值增加1个单位，同时保证另一个值的增加量小于1个单位，这样才能绘制出更多的像素点，从而得到更准确的直线。因此，选择x增1还是y增1要看直线的斜率，
不妨令直线的表达式为：

$$y=kx+b$$
对于第i和第i+1个像素点，令x值分别为xi，xi+1，有
$$y_i=k{x}_i+b$$
$$y_{i+1}=k{x}_{i+1}+b$$
以上两式作差，可以得到：
$$\Delta y=y_{i+1}-y_i=k(x_{x+1}-x_i)=k\Delta x$$
由此可知，当x增加1个单位时，y增加k个单位；当y增加1个单位时，x增加 1/k 个单位。
因为要保证令一个值增加1个单位的同时，另一个值的增加量小于1个单位，所以当直线斜率k<1时，令x增1，y增k；当k>1时，令y增1，x增加 1/k;(k = 1时，两种情况都可以，默认x增1）

以下只考虑k<=1的情况。
直线的起点坐标为（x0，y0），下一个像素点的坐标（x1，y1），因为k<=1,所以
$$x_1=x_0+1,y_1=y_0+k$$
因为像素点的坐标必须为整数，所以要对y1进行四舍五入处理，即Round（y1），Round（）函数为自定义的四舍五入函数，这样做的含义是选择最接近（x1，y1）的像素点。
然后计算x2，y2，绘制（x2，Round（y2）），其中
$$x_2=x1+1,y_2=y_1+k$$
依次计算x3，y3，x4，y4…直到终点xn，yn。像素点集合（xi，Round（yi））即为组成直线的像素点，其中0<=i<=n。

代码部分:

函数介绍：

def Round(x):
    if  x >= 0:
        return int(x+0.5)
    else:
        return int(x-0.5)

四舍五入取整函数，注意与python自带的取整函数round（）不同。

def ShowPoint(x,y):
    plt.plot(x,y,'*')
    plt.text(x,y,'(' + str(x) + ',' + str(y) + ')',fontsize = 14)
    return

显示函数，作用是显示像素点，并在对应位置标注（x，y）。

以下为主体代码：

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
plt.grid(True)
x=[]
y=[]
Input()
if  x[0]==x[1]:
    #斜率不存在时
    yi = min(y)
    for i in range(max(y) - min(y) + 1):
        ShowPoint(x[0],yi)
        yi = yi + 1
else:
    k = (y[1]-y[0])/(x[1]-x[0])
    if  abs(k)<=1:
        #k的正负无所谓
        xi = min(x)
        yi = min(y) if k>=0 else max(y)
        #k>=0时,直线递增,当x最小时,y最小
        #k<0时，直线递减,当x最小时, y最大
        for i in range(max(x)-min(x) + 1):
            ShowPoint(xi, Round(yi))
            xi = xi + 1#x增1
            yi = yi + k#y增k
    else:
        #abs(k)大于1的情况
        t = 1 / k
        yi = min(y)
        xi = min(x) if k>0 else max(x)
        for i in range(max(y) - min(y) + 1):
            ShowPoint(Round(xi),yi)
            xi = xi + t
            yi = yi + 1
plt.show()

缺点：
在DDA算法中，x（或y）和k必须用浮点数表示，这不便于用硬件实现。