怎么利用Matlab实现迭代适应点算法

本篇内容主要讲解"怎么利用Matlab实现迭代适应点算法"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"怎么利用Matlab实现迭代适应点算法"吧!

道格拉斯-普克算法(Douglas–Peucker algorithm，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)是将曲线近似表示为一系列点，并减少点的数量的一种算法。它的优点是具有平移和旋转不变性，给定曲线与阈值后，抽样结果一定。

1.算法描述

1.在曲线首尾两点间虚连一条直线，求出其余各点到该直线的距离。

2.选其最大者与阈值相比较,若大于阈值，则离该直线距离最大的点保留，否则将直线两端点间各点全部舍去。

3.依据所保留的点,将已知曲线分成两部分处理，重复第1、2步操作，迭代操作，即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去，最后得到满足给定精度限差的曲线点坐标。

Long Time Later

2.工具函数

为了代码简单易理解，这里使用了二分迭代，含详细注释代码如下(代码片可左右滑动)。

function nPntSet=dp(pntSet,TH)% @author : slandarer% pntSet  : 二维数据点% TH      : 距离阈值% 向量运算:计算所有点到首位两点连线距离vertV=[pntSet(end,2)-pntSet(1,2),-pntSet(end,1)+pntSet(1,1)];baseL=abs(sum((pntSet-pntSet(1,:)).*vertV./norm(vertV),2));if max(baseL)
3.函数调用
给个demo:
% 构造一组数据X=linspace(0,25,10)';Y=randi([0,10],[10,1]);pntSet=[X,Y];% 阈值为2的dp算法nPntSet=dp(pntSet,2);% 坐标区域修饰hold ongrid onax=gca;ax.YLim=[0,10];ax.DataAspectRatio=[1,1,1];ax.Color=[1,1,1];ax.XColor=[1,1,1].*.3;ax.YColor=[1,1,1].*.3;ax.LineWidth=1.5;ax.FontName='cambria';ax.GridLineStyle='--';% 绘制原始数据曲线plot(pntSet(:,1),pntSet(:,2),'Color',[0 0.4470 0.7410],'LineWidth',2,'Marker','*');% 绘制新数据曲线plot(nPntSet(:,1),nPntSet(:,2),'Color',[0.6350 0.0780 0.1840 .7],'LineWidth',2,'Marker','s');legend('original-curve','feature-curve')
4.优势与不足
对比与垂距法(Matlab利用垂距法实现提取离散坐标数据特征点)，道格拉斯-普克算法(dp)不会出现下面这种情况，即虽然每次变化都不大，但是连着好几次相同方向变化导致某些特征不会被提取出来：
但比较让人头疼的是，阈值需要自己选取，以下是不同阈值时对比图像：
到此，相信大家对"怎么利用Matlab实现迭代适应点算法"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！