多边形区域填充算法_【CUCS算法连载】图论拓扑简介(一)

最新推荐文章于 2022-05-30 10:43:14 发布

weixin_39960319

最新推荐文章于 2022-05-30 10:43:14 发布

阅读量574

点赞数 1

文章标签：多边形区域填充算法

Author: Lemmore

Proofread: Asimova

Introduction

拓扑学(Topology)，是一门研究拓扑空间的学科，主要研究空间内，在连续变化(如拉伸或弯曲，但不包括撕开或粘合)下维持不变的性质。拓扑学是从几何学与集合论里发展出来的学科，研究空间、维度与变换等概念。这些词汇的来源可追溯至哥特佛莱德·莱布尼兹，他在17世纪提出位置的几何学(Geometria Situs)和位相分析(Analysis Situs)的说法。莱昂哈德·欧拉(Leonhard Euler)的柯尼斯堡七桥问题与欧拉示性数(Euler Characteristic)被认为是该领域最初的定理。(from Wikipedia)

拓扑学虽然是数学的重要分支，但同样对计算机科学有很大影响。拓扑集合论分支在计算机领域的应用包括集合本身和机器语言等等，之后关于机器语言的介绍会涉及。作为一个图论笔记，这里先重点介绍一下拓扑几何学分支。

几何学分支在计算机领域的一大应用是利用持续同调 (persistent homology) 进行特征检测(feature ditection)。举个例子，如果问人们下图中19个点的分布显示了怎样的几何特征，大多数人可能会说它们形成了一个圆环的形状。但计算机如何得出这个推论呢？

持续同调 (persistent homology)

(from Youtube)

这时候就可以用到持续同调了。对于上面这张图，我们进行如下操作：

(1) 选取一个直径d，如下图所示

(2) 连接每对距离小于等于d的点

(取直径d, 连接每对距离≤d的点)

于是我们得到了上面这张图。它能说明什么呢？

容我先介绍一下n维单型 (n-simplex)。n维单型是对三角形在不同维度的泛化，下图展示了0维到3维的单型。

(0维到-3维的单型)

具体来说，n维单型是一个n维的多胞形(polytope，即一类由平的边界构成的几何结构) 上n+1个顶点的凸包 (convex hull，即所有包含这些顶点的凸集的交集，下图是一个二维凸包的例子)。作为一个三维生物我也不知道怎么脑补4维及以上的单型 :(

(二维凸包)

持续同调 cont.

回到之前的问题，在连接每对距离小于直径d的点之后，我们可以进行如下操作：

(3) 填充出现的所有n维单型，如下图所示的紫色区域

(填充好n维单型的图)

我们可以看到，当多条边连成一个封闭的多边形时，橙色的圆也相应围出了空隙(hole，比如橙色中间的白色部分)；当多条边围出的多边形被紫色填充时，空隙也相应消失。举个例子，对于下图的四个点，如果我们不断增加直径d，我们可以看到空隙从出现到消失的过程，也是直径从d1增长到d2空隙存在的过程。

(直径从d1增长到d2时空隙的变化)

这一过程可以用下图直观地表示，每个空隙的存在可以用区间(d1, d2)来表示，这个区间(如下图的蓝条)被称之为barcode或persistance，即持续同调中的“持续”。对于例子中的19个点，当我们从零开始不断增加直径d时，不同的空隙会产生不同的barcode。这些barcode有长有短，短的代表出现的空隙较小或狭长，通常是噪音(noise)；长的代表出现的空隙较大或包含较大的圆形区域，通常就是我们需要的特征(feature)。

(barcode)

除了持续同调之外，拓扑几何学分支衍生出的概念比如完美图(perfect graph)，弦图(chordal graph)，区间图 (interval graph)，在图论中也同样存在，它的应用包括资源分配(resource allocation)。资源可以用顶点表示，资源之间的限制条件可以用边表示。这一描述很容易让人联想起Boolean Satisfiability Problem (SAT)，提到NP-Complete最经常想到的3-SAT问题就在其中(NP-Complete以后会讲，这里就不赘述了)。下图是一个将SAT问题的逻辑形式转化成图的例子。不仅是逻辑学中的SAT问题，一些其它领域的问题也可以转化为图论问题进行解决。

由于内容较多，我们先正式介绍一下几个概念，下一篇文章会讲基于这些概念的拓扑排序算法和应用。

概念介绍

顶点/节点(vertex/node)，边(edge)，图(graph)

(1) 顶点/节点

有的定义会说顶点是包含坐标的点，但在这个系列里顶点和节点是一个意思，不一定包含坐标，但包含点边关系。一个顶点可以是多条边的起点或终点，通常用V表示。

(2) 边

有的定义会说边是包含数学表达式的线段，但在这个系列里边不一定包含数学表达式，但包含边点关系。一条边连接两个顶点，通常用E =(v1，v2)表示，v1即起点，v2即终点。

(3) 图

图的定义就多了，在这个系列里图包含一系列顶点和边，通常用G =(V，E)表示。图分有向图(directed graph，简称digraph)和无向图(undirected graph)。在有向图中每条边只能从起点到终点，不能从终点到起点；在无向图中起点和终点是双向的，相当于复制边相同的有向图中的所有边并交换起点和终点。因此，无向图是有向图的子集，这一点在论证算法的限制时很重要

度(degree)，入度(in-degree)，出度(out-degree)

度是关于顶点的一个概念，分为入度和出度。一个顶点的入度是以该顶点为终点的边的数量；一个顶点的出度是以该顶点为起点的边的数量。举个例子，下图中红色括号内为该顶点的入度，蓝色括号内为该顶点的出度。一个顶点的度为入度和出度之和。图关于入度和出度的性质有很多也十分重要，比如在任何图中度为奇数的顶点数量总是偶数，其中一些性质和开头提到的七桥问题密切相关。

(蓝色代表出度，红色代表入度)

拓扑次序 (topological order)

拓扑次序仅适用于有向无环图(directed acyclic graph)，且每个有向无环图至少有一个拓扑次序。它对于一个图内的所有顶点进行线性排序，使得对于任意一条边e = (v1, v2)来说，v1总是排在v2前面。

邻接链表(adjacency list)&邻接矩阵(adjacency matrix)

邻接链表和邻接矩阵是图的两种常见表达方式。邻接链表将图中每条边按起点划分，下图中(左侧)的邻接链表是包含每个顶点的集合，每个顶点又指向所有可以达到的相邻顶点的链表；邻接矩阵是一个|V| * |V|的二维矩阵，下图中(右侧)第i行第j列为1代表图中存在从顶点i到顶点j的边，为0则代表不存在从顶点i到顶点j的边。通常邻接链表在稀疏图(sparse graph，即边数量较少的图)中占用较少的空间(邻接矩阵中会存在大量0)。