基于matlab的凸包(Convex Hull)算法理解与测试

基于matlab的凸包Convex Hull算法理解与测试

  • [0 引言](#0 引言)
  • [1 Graham扫描算法原理](#1 Graham扫描算法原理)
  • [2 Graham扫描算法实现](#2 Graham扫描算法实现)
  • [3 Graham扫描算法关键函数](#3 Graham扫描算法关键函数)
  • [4 结语](#4 结语)

0 引言

💻💻AI一下💻💻

凸包算法是计算给定点集的最小凸包的一种算法。凸包是包含给定点集中所有点的最小凸多边形。根据具体的实现和算法思想,凸包算法可以分为以下几类:

(1) Jarvis算法(也称为包裹算法):该算法通过找到初始点,然后沿着点集中的边界逐步扩展凸包,直到回到初始点为止。这种算法的时间复杂度为O(nh),其中n是点集的大小,h是凸包的边数。

(2) Graham扫描算法:该算法首先选取一个最低点作为起始点,然后根据与起始点的极角进行排序。然后依次将每个点加入凸包中,如果加入后出现了凹角,则将凸包中的一些点删除,直到不再出现凹角。

(3) QuickHull算法:该算法通过递归地将点集分成较小的两部分,并构造凸包。具体过程是:选择距离最远的两点作为凸包的两个顶点,然后将点集划分为两个子集,分别在凸包的左侧和右侧。然后对两个子集分别进行递归,直到遍历了所有的点。该算法的时间复杂度取决于点集的分布,平均情况下为O(nlogn)。

(4) Chan算法(也称为增量算法):该算法结合了Jarvis算法和Graham扫描算法的优点。首先将点集分成多个子集,在每个子集上运用Graham扫描算法构造凸包。然后通过Jarvis算法将所有的子凸包合并成一个凸包。该算法的时间复杂度为O(nlogh),其中h是凸包的边数。

以上是一些常见的凸包算法分类和介绍,根据具体的应用场景和性能要求,可以选择合适的算法来计算凸包。

本篇 结合网上搜集到的资料和程序,介绍下Graham扫描法的++原理++ 和++实现过程++。

1 Graham扫描算法原理

上面讲到了Graham扫描算法思想 是以一点为基准,最好是特殊点(如左下角点、中心点),然后根据 与起始点的极角进行++排序++ ,排序之后每3个一组遍历所有点集,然后 判断3个点的位置关系是否满足凸包原则,把满足的点留下,不满足的点从点集中++删除++,每删除一个点,都要从新遍历所有点集,直至推出整个遍历过程,那留下的点所构成的图形即为包围所有点集的凸多边形。下面用一个简单案例,详细描述下上述过程:

(1) 为了便于描述,用下面5个点进行原理描述。首先,确定基准点,本过程选取O为基准;

(2) 计算其它点与 O O O点的极角 ( α ) (α) (α),并按大小进行排序,下图的排序顺序为 [ D E A B C ] [D E A B C] [DEABC]的顺序,图中 X O D XOD XOD即为 D D D点对应的极角;

(3) 遍历排序数组,每次拿3个出来,我们以 A B C ABC ABC为例,以 A A A为交点,判断向量 A B ⃗ \vec{AB} AB 和 A C ⃗ \vec{AC} AC 的位置关系,由图可以看出,向量 A C ⃗ \vec{AC} AC 可由向量 A B ⃗ \vec{AB} AB 逆时针 旋转得到,或向量 A B ⃗ \vec{AB} AB 在向量 A C ⃗ \vec{AC} AC 右侧,而B点明显是凸点,所以依据该准则能够找到所有满足条件的点;

(4) 再以 C D E CDE CDE为例,以 C C C点为角点,向量 C D ⃗ \vec{CD} CD 到向量 C E ⃗ \vec{CE} CE 需要顺时针 旋转,所以 D D D点就不是凸点,应该从点集中删除;

(5) 用向量叉乘描述向量 A B ⃗ \vec{AB} AB 和向量 A C ⃗ \vec{AC} AC 的位置关系。具体以下图为例,假设向量 O Y ⃗ = [ 0 , 1 , 0 ] \vec{OY}=[0,1,0] OY =[0,1,0],向量 O A ⃗ = [ 1 , 1 , 0 ] \vec{OA} = [1,1,0] OA =[1,1,0],向量 O B ⃗ = [ − 1 , 1 , 0 ] \vec{OB} = [-1,1,0] OB =[−1,1,0],计算 O Y ⃗ × O A = [ 0 , 0 , 1 ] ⃗ \vec{OY} \times \vec{OA = [0,0 ,1]} OY ×OA=[0,0,1] ,计算 O Y ⃗ × O B = [ 0 , 0 , − 1 ] ⃗ \vec{OY} \times \vec{OB = [0,0 ,-1]} OY ×OB=[0,0,−1] ,由叉乘结果的正负就可以判断位置关系,++负值为逆时针,正值为顺时针++ 。对应到(3)和(4)就是留下向量叉积小于0的点,删除叉积结果大于0的点,上面5个点中 D D D点是要删除的点;

2 Graham扫描算法实现

💦💦💦💦💦

matlab 复制代码
clc;clear
n = 50;
point = rand(n,2);

figure
scatter(point(:,1),point(:,2));
konvexHullPoints = GrahamScanAlgorithm(point);
%% Visualise konvex Hull
drawHull(konvexHullPoints(:,1),konvexHullPoints(:,2));

50个随机点构成的凸多边形结果展示。

3 Graham扫描算法关键函数

💦💦💦💦💦

matlab 复制代码
function [KonvexHullPoints] = GrahamScanAlgorithm(points)
%GRAHAMASCANALGORITHM Summary of this function goes here
xMax = max(points(:,1));
xMin = min(points(:,1));
yMax = max(points(:,2));
yMin = min(points(:,2));

Z.x = xMin + (xMax-xMin)/2;
Z.y = yMin + (yMax-yMin)/2;
% scatter(Z.x,Z.y,'*'); %turn on for visualisation of center point

%% calculate all arcs between the randpoints and center Z
degHold = []; %holds all the degrees 
for(a=1:1:length(points))
    degHold(end+1) = calcArc(Z,points(a,:));
end
degHold = transpose(degHold);

%% Sort Points 
pointIndice = transpose(1:1:length(points));
degHold = table(degHold, pointIndice,points(:,1),points(:,2));
degHoldSort = sortrows(degHold,'degHold','ascend');
degHoldSort.Properties.VariableNames{3} = 'x';
degHoldSort.Properties.VariableNames{4} = 'y';
KonvexHull = degHoldSort;
%% Calculate Convex Hull
noMoreRemove = false; %condition for staying in while-loop
k = 1;% Increment
cas = 0; % case 

while(noMoreRemove == false ) %stay in while until no points need to be removed anymore
    if(k<=height(KonvexHull)-2)%standard case far away from the vector end
        P1 = [KonvexHull{k,3},KonvexHull{k,4}];
        P2 = [KonvexHull{k+1,3},KonvexHull{k+1,4}];
        P3 = [KonvexHull{k+2,3},KonvexHull{k+2,4}];
        cas = 0;
    elseif(k==height(KonvexHull)-1)%k is the penultimate element must now be k+1 = last vector element and k+2 == 1st vector element
        P1 = [KonvexHull{k,3},KonvexHull{k,4}];
        P2 = [KonvexHull{k+1,3},KonvexHull{k+1,4}];
        P3 = [KonvexHull{1,3},KonvexHull{1,4}];
        cas = 0;
    elseif(k==height(KonvexHull))%k is the last element must now be k+1 == 1st vector element and k+2 == 2nd vector element 
        P1 = [KonvexHull{k,3},KonvexHull{k,4}];
        P2 = [KonvexHull{1,3},KonvexHull{1,4}];
        P3 = [KonvexHull{2,3},KonvexHull{2,4}];
        cas = 1;
    end
    polyTest = polyCheck(P1,P2,P3);
    
    if(polyTest <= 0 && cas == 0)% concave must be remove
        KonvexHull(k+1,:) = []; %remove
        k = 0;
    elseif(polyTest < 0 && cas == 1)
        KonvexHull(1,:) = []; %remove
        k = 0;
    elseif(k==height(KonvexHull)&&polyTest>0)     
            noMoreRemove = true;
            break;
    end
    k = k+1;
end

KonvexHullPoints = [KonvexHull{:,3},KonvexHull{:,4}];
end
matlab 复制代码
function [ArcDeg] = calcArc(Z,point)
%CALCARC Summary of this function goes here
toDeg = 180/pi;
dY = point(2) - Z.y;
dX = point(1) - Z.x;
ArcRad  = atan2(dY,dX); 
                       
if(ArcRad < 0)  
    ArcDeg = 360 - ((abs(ArcRad)/pi)*180);
else
    ArcDeg = ArcRad * toDeg;
end

end
matlab 复制代码
function  drawHull(HullX,HullY)
%DRAWHULL Summary of this function goes here
%    Plot the wrapping polygon
%% Andreas Bernatzky 19.08.2019
hold(gca,'on');

plot(HullX,HullY,'r','LineStyle','--','LineWidth',2);
lastPartX = [HullX(end);HullX(1)];
lastPartY = [HullY(end);HullY(1)];
plot(lastPartX,lastPartY,'r','LineStyle','--','LineWidth',2);
sz = 50;
scatter(HullX,HullY,sz,'*');
%title('Graham-Scan Algorithm for calculating a convex hullpolygon around a pointcloud');
%set(gca,'FontSize',16,'FontWeight','bold');
end

4 结语

💦💦💦💦💦

本篇介绍了Graham扫描算法的原理和实现步骤,并结合matlab程序,展示了该算法生成凸多边形的结果。希望对你有所帮助。

😜

😜😜

😜😜😜😜

相关推荐
Evand J3 小时前
集合卡尔曼滤波(Ensemble Kalman Filter),用于二维滤波(模拟平面上的目标跟踪),MATLAB代码
matlab·平面·目标跟踪
我是博博啦8 小时前
matlab例题
人工智能·算法·matlab
2402_8713219510 小时前
MATLAB方程组
gpt·学习·线性代数·算法·matlab
Matlab程序猿小助手1 天前
【MATLAB源码-第218期】基于matlab的北方苍鹰优化算法(NGO)无人机三维路径规划,输出做短路径图和适应度曲线.
开发语言·嵌入式硬件·算法·matlab·机器人·无人机
Matlab精灵1 天前
使用MATLAB进行字符串处理
开发语言·matlab
机器学习之心2 天前
POD-Transformer多变量回归预测(Matlab)
matlab·回归·transformer·pod-transformer
WangYan20222 天前
高光谱遥感是什么?高光谱遥感数据如何处理?(基于Matlab和Python多案例解析)从小白到精通
matlab·高光谱遥感数据处理·混合像元分解
Matlab精灵2 天前
利用Matlab函数实现深度学习算法
深度学习·算法·matlab
十七算法实验室2 天前
Matlab实现北方苍鹰优化算法优化随机森林算法模型 (NGO-RF)(附源码)
开发语言·深度学习·算法·决策树·随机森林·机器学习·matlab
mailangduoduo3 天前
基于matlab的语音信号去噪的App Designer 设计
matlab·gui设计·语音去噪·app设计