给定平面上的一个(有限)点集(即一组点),这个点集的凸包就是包含点集中所有点的最小面积的凸多边形。
在二维欧几里得空间中,凸包可想象为一条刚好包著所有点的橡皮圈。这可以形象地想成这样:在地上放置一些不可移动的木桩,用一根绳子把他们尽量紧地圈起来,这就是凸包了。
例如,下图的点集共包含9个点,图中的六边形便是该点集的凸包。其中构成六边形的6个点称为“凸包上的点”(Hull Point),其余3个点则并非“凸包上的点”。请注意上述定义中“最小面积”这个限制条件,因为除了凸包以外,还有无限多个包含点集中所有点的凸多边形。例如,只要画一个面积足够大的四边形,便可包围任意给定的点集。因此假如没有这个限制条件,求凸包就变成非常容易但却没有唯一解的运算。
![凸包(Convex hull) - baige5117 - All For One](http://img0.ph.126.net/x7wrRzb2reca1xKOT9-wUQ==/1107885508350374360.jpg)
另外,所谓的“凸多边形”(Convex Polygon)。从直观上说,一个凸多边形就是没有任何凹陷位的多边形。我们在低年级数学所学习的三角形、正方形、长方形、平行四边形、正五边形、正六边形等等,都是凸多边形的例子。但是“凸”字形却并非凸多边形,因为它有凹陷位。在数学上,凸多边形有另一个严格的定义。假设我们在一个多边形上(包括多边形的边界及边界围封的范围)任意取两点并以一条线段连结该两点,如果线段上的每一点均在该多边形上,那么我们便说这个多边形是凸的。
凸包的算法:
增量式算法1
逐次再点加入,然后检查之前的点是否在新的凸包上。由于每次都要检查所有之前的点,时间复杂度为O(n2)。
包裹法(Jarvis步进法)
首先由一点必定在凸包的点开始,例如最左的一点A1。然后选择A2点使得所有点都在A1A2的右方,这步骤的时间复杂度是O(n),要比较所有点以A1为原点的极坐标角度。以A2为原点,重复这个步骤,依次找到A_3,A_4,\ldots,A_k,A_1。这总共有k步。因此,时间复杂度为O(n2)。
凸包
葛立恒扫描法
由最底的一点A1开始,计算它跟其他各点的连线和x轴的角度,按小至大将这些角度排序,称它们的对应点为A_2,A_3,\ldots,A_n。这里的时间复杂度可达O(nlogn)。
考虑最小的角度对应的点A3。若由A2到A3的路径相对A1到A2的路径是向右转的(可以想象一个人沿A1走到A2,他站在A2时,是向哪边改变方向),表示A3不可能是凸包上的一点,考虑下一点由A2到A4的路径;否则就考虑A3到A4的路径是否向右转……直到回到A1。
这个算法的整体时间复杂度是O(nlogn),注意每点只会被考虑一次,而不像Jarvis步进法中会考虑多次。
这个算法由葛立恒在1972年发明。[1]它的缺点是不能推广到二维以上的情况。
单调链
将点按x坐标的值排列,再按y坐标的值排列。
选择x坐标为最小值的点,在这些点中找出y坐标的值最大和y坐标的值最小的点。对于x坐标为最大值也是这样处理。将两组点中y坐标值较小的点连起。在这条线段下的点,找出它们之中y坐标值最大的点,又在它们之间找x坐标值再最小和最大的点……如此类推。
时间复杂度是O(n log n)。
分治法
将点集X分成两个不相交子集。求得两者的凸包后,计算这两个凸包的凸包,该凸包就是X的凸包。时间复杂度是O(n log n)。
快包法(Akl-Toussaint启发式)
选择最左、最右、最上、最下的点,它们必组成一个凸四边形(或三角形)。这个四边形内的点必定不在凸包上。然后将其余的点按最接近的边分成四部分,再进行快包法(QuickHull)。