Delaunay 三角剖分 和 Voronoi diagram（泰森多边形）

首先看一下 Delaunay 三角剖分。

在计算机几何图像显示上，为了追求效率，GPU只会绘制三角形。opengl 在绘制凸多边形的时候，也

是简单的将多边形化成三角形在渲染。当你给的是一个凹多边形的时候，问题就出现了，OGL渲染的不对。

这个时候，我们就要把数据自己处理成成一个个三角形，这里就要用到三角剖分。

首先看广义的三角剖分：

三角剖分 [1]   ：假设V是二维实数域上的有限点集，边e是由点集中的点作为端点构成 的封闭线段, E为e的集合。

那么该点集V的一个三角剖分T=(V,E)是一个平面图G，该平面 图满足条件：

1.除了 端点，平面图中的边不包含点集中的任何点。

2.没有相交边。

3.平面图中所有的面都是三角面，且所有三角面的合集是散点集V的 凸包。

然后看看Delaunay 三角剖分：

在实际中运用的最多的三角剖分是Delaunay三角剖分，它是一种特殊的 三角剖分 。先从Delaunay边说起：

Delaunay边：假设E中的一条边e（两个端点为a,b），e 若满足下列条件，则称之为Delaunay边：存在一

个圆经过a,b两点，圆内(注意是圆内，圆上最多三点共圆)不含点集V中任何其他的点，这一特性又称空圆特性。

Delaunay三角剖分：如果点集V的一个三角剖分T只包含Delaunay边，那么该三角剖分称为Delaunay三角剖分。

其实就是说，三个点连城的三角形有一个外接圆，然后其他的离散点不在这个外接圆内。

现在知道了三角剖分，我们就可以把手上的凹多边形数据，处理成很多个三角形数据，然后让GL去渲染。现在

三角剖分算法很多， Poly2Tri 这个算法的时间复杂度好像表现很好，这里给个链接，里面的博主推荐了几个算法。

http://blog.csdn.net/yqxx/article/details/6318679

但是这些算法有部分有个问题，我做GIS遇到的，当地图的缩放级别很大的时候，那么地图上的点，投射到屏幕上

就很近，近到算法认为这是两个相同的点，算法自身限制了，不允许相同的点输入，然后就崩溃了。也有的不奔溃，

但是对于这样的情况，三角剖分出来的结果出问题。然后我最近有看到了一个C/C++的几何空间处理库，GEOS，比

较大，而且不好学。选取工具的时候，自己衡量一下。

下面就是，泰森多边形。

泰森多边形是建立在Delaunay上的。只有上一步，Delaunay了之后，才能进行。

下面是步骤。

1、 离散点自动构建 三角网，即构建Delaunay 三角网。对 离散点和形成的三角形编号，记录每个三角形是由哪三个 离散点构成的。

2、找出与每个 离散点相邻的所有三角形的编号，并记录下来。这只要在已构建的 三角网中找出具有一个相同顶点的所有三角形即可。

3、对与每个 离散点相邻的三角形按顺时针或逆时针方向排序，以便下一步连接生成泰森多边形。设 离散点为o。找出以o为顶点的一个三角形，设为A；取三角形A除o以外的另一顶点，设为a，则另一个顶点也可找出，即为f；则下一个三角形必然是以of为边的，即为三角形F；三角形F的另一顶点为e，则下一三角形是以oe为边的；如此重复进行，直到回到oa边。

4、计算每个三角形的 外接圆 圆心，并记录之。

5、根据每个 离散点的相邻三角形，连接这些相邻三角形的 外接圆 圆心，即得到泰森多边形。对于 三角网边缘的泰森多边形，可作 垂直平分线与图廓相交，与图廓一起构成泰森多边形。

总结就是，对

1、 离散点自动构建 三角网，即构建Delaunay 三角网。对 离散点和形成的三角形编号，记录每个三角形是由哪三个 离散点构成的。

2、找出与每个 离散点相邻的所有三角形的编号，并记录下来。这只要在已构建的 三角网中找出具有一个相同顶点的所有三角形即可。

3、对与每个 离散点相邻的三角形按顺时针或逆时针方向排序，以便下一步连接生成泰森多边形。设 离散点为o。找出以o为顶点的一个三角形，设为A；取三角形A除o以外的另一顶点，设为a，则另一个顶点也可找出，即为f；则下一个三角形必然是以of为边的，即为三角形F；三角形F的另一顶点为e，则下一三角形是以oe为边的；如此重复进行，直到回到oa边。

4、计算每个三角形的 外接圆 圆心，并记录之。

5、根据每个 离散点的相邻三角形，连接这些相邻三角形的 外接圆 圆心，即得到泰森多边形。对于 三角网边缘的泰森多边形，可作 垂直平分线与图廓相交，与图廓一起构成泰森多边形。 

总结就是 Delaunay出来的三角形，对边做垂直平分线，然后将这些交点连接，组成一个个多边形。特性就是

1、每个泰森多边形内仅含有一个 离散点数据；

2、泰森多边形内的点到相应离散点的距离最近；

3、位于泰森多边形边上的点到其两边的离散点的距离相等。

我能想到的应用就是根据基站规划区域。