线性时间求解点集所有点最近邻的Felzenszwalb算法

最近在做字体渲染的相关内容，利用FreeType可以提取出ttf文件中具体某个字符的轮廓图，这个轮廓图是二值化的图像，后续的处理需要用到图像上的每个点到字体轮廓线的最近距离，即要求平面上的每个点与轮廓线的最近邻。可以考虑使用KD树，这里介绍一下Felzenszwalb算法，它可以在O(KN)的复杂度内完成所有点的最近邻求解，其中K是点集的维度，N是点的总个数。

一维情形的求解

首先介绍一维点集的最近邻求解，并且不难由一维推广到更高维的情况。首先先看一下核心的计算式：设集合$S$为一个一维的点集，$G$表示二值化后的点集的状态，每个点的取值为0或1，每个点的最近邻可以由如下式子得出

$$D_f(p) = min((p-q)^2+f(q)) , q∈S$$ 对于本文所提到的情形下，其中 $$f(q) = \begin{cases} 0, & \text{G(q)=1} \\ \infty, & \text{G(q)=0} \end{cases}$$
如果是第一次看见这种表达，可能不太好理解，那么来仔细考虑一下这个式子，右侧是一个取最小值的表达，对什么取最小值呢？ $(x-p)^2+f(q),q∈S$是 $q$个函数，更细一点来看它们都是开口向上抛物线，抛物线的极小值点为 $(q,f(q))，$自变量为 $x$，那么上面这个式子其实是在对所有的这 $q$个函数在自变量为 $x=p$的时候的函数值取最小值，由于当