【附源码】布雷森汉姆直线算法(bresenham‘s line algorithm)

1.布雷森汉姆直线算法简介

我们在纸上画直线时，只需要定一个起点和终点，然后把两点连接起来就是一条直线，你将会得到一条笔直的直线。

但是，这个简单的过程，在计算机上却并不容易。首先计算机的屏幕是一个一个的离散的led。如下图，每一个白块都是一个灯管，当我们绘制一条直线时，就需要判断在这条直线上，需要点亮哪些灯管来模拟这条直线。

布雷森汉姆直线算法就是为了解决这样的问题。

2.算法流程

2.1 直观理解布雷森汉姆直线算法

我们现在正式开始进入布雷森汉姆直线算法的探索。假设我们要绘制如上图中所示直线$f(x,y)$，它的起点在$(x_k,y_k)$，上图中的每一个圆圈是一个led灯。

在介绍布雷森汉姆直线算法时，为了简化理解，我们的起点和终点都是整数，并且直线的斜率为$0<m<1$。所以毫无疑问，我们首先点亮$(x_k,y_k)$这个led灯。

那么下一个led灯，我们应该点亮哪一个呢？观察上图可以很容易发现，我们应该点亮$(x_k+1,y_k)$和$(x_k+1,y_k+1)$中的一个，那究竟选择哪个呢？一个很朴素的想法是，谁在$y$方向上距离直线最近，那就点亮谁。这个想法也正是布雷森汉姆直线算法的思想。

既然已经可以确定思路了，那我们下一步就可以尝试使用数学公式来表示这个过程了。

网上有很多博客介绍了很多不一样的表示方法，我在这里采用维基百科上的表示方法，我觉得也是很容易理解的。

现在我们可以想象一下，对于上图，直线与$(x_k+1,y_k)$和$(x_k+1,y_k+1)$连线的交点，如果在线段一半的上面，那么就应该选择点亮$(x_k+1,y_k+1)$，否则点亮$(x_k+1,y_k)$。

那么，我们只需要将中点坐标$(x_k+1,y_k+\frac{1}{2})$坐标带入直线函数$f(x,y)$中:

• 如果$f(x_k+1,y_k+\frac{1}{2})>0$，则说明直线的交点在$(x_k+1,y_k+\frac{1}{2})$的下面，此时需要点亮$(x_k+1,y_k)$;
• 如果$f(x_k+1,y_k+\frac{1}{2})<0$，则说明直线的交点在$(x_k+1,y_k+\frac{1}{2})$的上面，此时需要点亮$(x_k+1,y_k+1)$;

还记得这个结论吗？在直线上部区域的点$f(x,y)<0$，在直线下部区域的点$f(x,y)>0$。

这就是布雷森汉姆直线算法最核心的思想。

2.2 进一步探索布雷森汉姆直线算法

上面我们使用的是中点的方法，我们稍加修改换一种表示(实际上也没有很大的变化，它的核心思想依然是判断距离)。

我们继续探索。

上图中红色的线，是我们想要绘制的线，它的斜率是$0<m<1$，现在考虑在$x$点，直线对应纵轴的值为$y+ϵ$。

很明显$$y+ϵ<y+0.5$$

所以$(x,y)$点距离直线更近，所以把该点点亮。一旦选择了$(x,y)$点，那么此时到直线就产生了误差：$ϵ$

那么当我们绘制下一个点时，其横坐标是$x+1$，它对应的纵坐标是$y+m+ϵ$

斜率为m的直线，x增加1，那么y增加m

此时，直线在$x+1$时对应的纵坐标为:$y+ϵ+m$

同样执行如下判断：$$y+ϵ+m>y+0.5$$
那么很明显，此时我们需要点亮$(x+1,y+1)$对应的灯。

此时误差就变成了：$${ϵ}_{new}=(y+ϵ+m)-(y+1)$$

如果咱们再往后计算，此时横轴到达了$x+2$，纵轴到达了$y+1$，同样的进行如下判断：$$y+1+{ϵ}_{new}+m<y+1+0.5$$

所以，需要点亮$(x+2,y+1)$对应的灯。

以上分别从直观和数学上对布雷森汉姆直线算法进行介绍，不知道你是否明白了，其实它本身非常简单，一定要记住的它的核心思想: 离谁近，就选谁。

以上过程的伪代码形式如下：

 function line(x0, x1, y0, y1)
     int deltax := x1 - x0
     int deltay := y1 - y0
     real error := 0
     real deltaerr := deltay / deltax
     int y := y0
     for x from x0 to x1
         plot(x,y)
         error := error + deltaerr
         if abs (error) ≥ 0.5 then
             y := y + 1
             error := error - 1.0

2.3 面临的问题

上面介绍的布雷森汉姆直线算法，是在第一象限，并且斜率$0<m<1$时的情况。如果超过了这个限制，那么上面的过程就不能直接应用了，必须要做一些改进。

咱们可以来看一下面临的问题：

(1) 反方向

(2) 斜率为负
(3) 综合所有情况

所以，最终需要该算法能完成整个平面任意方式绘制直线。

对于这些情况可以按照2.2所述的过程进行探索，并不难理解。

3. 代码实现

from matplotlib import pyplot as plt
from matplotlib.pyplot import MultipleLocator


def line(x0, y0, x1, y1):
    x = []
    y = []
    steep = abs(y1 - y0) > abs(x1 - x0)
    if steep:  # 如果为真，说明斜率绝对值大于1，则主要以y方向递增
        x0, y0 = y0, x0
        x1, y1 = y1, x1

    if x0 > x1:  # 如果为真，说明起点大于终点，此时则交换方向
        x0, x1 = x1, x0
        y0, y1 = y1, y0

    delta_x = x1 - x0
    delta_y = abs(y1 - y0)
    error = 0
    delta_error = delta_y / delta_x
    yk = y0

    if y0 < y1:
        y_step = 1
    else:
        y_step = -1

    for xk in range(x0, x1):
        if steep:
            x.append(yk)
            y.append(xk)
        else:
            x.append(xk)
            y.append(yk)

        error = error + delta_error
        if error >= 0.5:
            yk = yk + y_step
            error = error - 1.0
    return x, y


if __name__ == '__main__':
    x, y = line(30, 30, 4, -20)

    plt.xlim((-30, 30))
    plt.ylim((-30, 30))
    plt.grid()
    plt.plot(x, y)

    y_major_locator = MultipleLocator(1)
    x_major_locator = MultipleLocator(1)
    ax = plt.gca()
    ax.xaxis.set_major_locator(x_major_locator)
    ax.yaxis.set_major_locator(y_major_locator)
    plt.show()

最终的效果：

布雷森汉姆直线算法可以改进为只有整数运算，没有浮点运算，但是经过我测试意义不大。当今的计算机针对浮点运算做了很多加速，有专门的FPU运算单元，其运算速速甚至超过整数运算，所以不必纠结与整数方式还是浮点运算，只要实现了该算法，其速度基本上都差不了多少！