道格拉斯-普克 Douglas-Peuker(DP算法) python php实现

废话不多说，直接开干！

最近在做一个车联网项目，有一个场景是车辆定时上报当前所在经纬度等位置信息上报给平台，平台通过web页面在高德地图上展示车辆行驶路径。

说明

道格拉斯-普克算法 (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。—摘自百度百科

python 代码
安装模块Shapely

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Shapely

# -*- coding:utf-8 -*-
"""
道格拉斯算法的实现
程序需要安装shapely模块
"""
import math
from shapely import wkt, geometry
import matplotlib.pyplot as plt


class Point:
    """点类"""
    x = 0.0
    y = 0.0
    index = 0  # 点在线上的索引

    def __init__(self, x, y, index):
        self.x = x
        self.y = y
        self.index = index


class Douglas:
    """道格拉斯算法类"""
    points = []
    D = 1  # 容差

    def readPoint(self):
        """生成点要素"""
        g = wkt.loads("LINESTRING(1 4,2 3,4 2,6 6,7 7,8 6,9 5,10 10)")
        coords = g.coords
        for i in range(len(coords)):
            self.points.append(Point(coords[i][0], coords[i][1], i))

    def compress(self, p1, p2):
        """具体的抽稀算法"""
        swichvalue = False
        # 一般式直线方程系数 A*x+B*y+C=0,利用点斜式,分母可以省略约区
        # A=(p1.y-p2.y)/math.sqrt(math.pow(p1.y-p2.y,2)+math.pow(p1.x-p2.x,2))
        A = (p1.y - p2.y)
        # B=(p2.x-p1.x)/math.sqrt(math.pow(p1.y-p2.y,2)+math.pow(p1.x-p2.x,2))
        B = (p2.x - p1.x)
        # C=(p1.x*p2.y-p2.x*p1.y)/math.sqrt(math.pow(p1.y-p2.y,2)+math.pow(p1.x-p2.x,2))
        C = (p1.x * p2.y - p2.x * p1.y)

        m = self.points.index(p1)
        n = self.points.index(p2)
        distance = []
        middle = None

        if (n == m + 1):
            return
        # 计算中间点到直线的距离
        for i in range(m + 1, n):
            d = abs(A * self.points[i].x + B * self.points[i].y + C) / math.sqrt(math.pow(A, 2) + math.pow(B, 2))
            distance.append(d)

        dmax = max(distance)

        if dmax > self.D:
            swichvalue = True
        else:
            swichvalue = False

        if (not swichvalue):
            for i in range(m + 1, n):
                del self.points[i]
        else:
            for i in range(m + 1, n):
                if (abs(A * self.points[i].x + B * self.points[i].y + C) / math.sqrt(
                        math.pow(A, 2) + math.pow(B, 2)) == dmax):
                    middle = self.points[i]
            self.compress(p1, middle)
            self.compress(middle, p2)

    def printPoint(self):
        """打印数据点"""
        for p in self.points:
            print( "%d,%f,%f" % (p.index, p.x, p.y))


def main():
    """测试"""

    d = Douglas()
    d.readPoint()
    # d.printPoint()
    # 结果图形的绘制，抽稀之前绘制
    fig = plt.figure()
    a1 = fig.add_subplot(121)
    dx = []
    dy = []
    for i in range(len(d.points)):
        dx.append(d.points[i].x)
        dy.append(d.points[i].y)
    a1.plot(dx, dy, color='g', linestyle='-', marker='+')

    d.compress(d.points[0], d.points[len(d.points) - 1]) #稀释后轨迹

    # 抽稀之后绘制
    dx1 = []
    dy1 = []
    a2 = fig.add_subplot(122)
    for p in d.points:
        print(p.x,p.y)
        dx1.append(p.x)
        dy1.append(p.y)
    a2.plot(dx1, dy1, color='r', linestyle='-', marker='+')



    plt.show()


if __name__ == '__main__':
    main()

运行结果

php代码

    /**
     * 根据两个点求直线方程 ax+by+c=0
     * @param $xy1 string 点1,例如"1,1"
     * @param $xy2 string 点2,例如"2,2"
     * @return array
     */
    function getLineByPoint($xy1, $xy2)
    {

        $x1 = explode(",", $xy1)[0];//第一个点的横坐标
        $y1 = explode(",", $xy1)[1];//第一个点的纵坐标
        $x2 = explode(",", $xy2)[0];//第二个点的横坐标
        $y2 = explode(",", $xy2)[1];//第二个点的横坐标
        $a = $y2 - $y1;
        $b = $x1 - $x2;
        $c = ($y1 - $y2) * $x1 - $y1 * ($x1 - $x2);
        return [$a, $b, $c];
    }

    /**
     * 稀疏点
     * @param $points array 参数为["1,2","2,3"]点集
     * @param $max float 阈值,越大稀疏效果越好但是细节越差
     * @return array
     */
    function sparePoints($points, $max)
    {

        if (count($points) < 3) {
            return $points;
        }

//        var_dump($points);die;
        $xy1 = $points[0];//取第一个点
        $xy1 = $xy1['glng'].','.$xy1['glat'];

        $xy2 = end($points);//取最后一个点
        $xy2 = $xy2['glng'].','.$xy2['glat'];
//        var_dump(end($points)['glat']);die;
        list($a, $b, $c) = getLineByPoint($xy1, $xy2);//获取直线方程的a,b,c值
        $ret   = [];//最后稀疏以后的点集
        $dmax  = 0;//记录点到直线的最大距离
        $split = 0;//分割位置
        for ($i = 1; $i < count($points) - 1; $i++) {
            $d = getDistanceFromPointToLine($a, $b, $c, $points[$i]);
            if ($d > $dmax) {
                $split = $i;
                $dmax  = $d;
            }
        }

        if ($dmax>$max) {
            //如果存在点到首位点连成直线的距离大于max的,即需要再次划分
            $child1 = sparePoints(array_slice($points, 0, $split + 1), $max);//按split分成左边一份，递归
            $child2 = sparePoints(array_slice($points, $split), $max);//按split分成右边一份，递归
            //因为child1的最后一个点和child2的第一个点,肯定是同一个（即为分割点）,合并的时候,需要注意一下
            $ret = array_merge($ret, $child1, array_slice($child2, 1));
            return $ret;
        } else {
            //如果不存在点到直线的距离大于阈值的,那么就直接是首尾点了
            return [$points[0], end($points)];
        }
    }
   $gps_list=  [
            "118.7727996753945,34.1246971539229",
            "118.77485177448638,34.124702346094594",
            "118.7831576932094,34.13298337245958",
            "118.78533669945193,34.133335134266446",    
            ];
 
 $data = sparePoints($gps_list, "0.0001");//稀释万分之一

运行结果