抽稀

在處理矢量化數據時，記錄中往往會有很多重複數據，對進一步數據處理帶來諸多不便。多餘的數據一方面浪費了較多的存儲空間，另一方面造成所要表達的圖形不光滑或不符合標準。因此要通過某種規則，在保證矢量曲線形狀不變的情況下， 最大限度地減少數據點個數，這個過程稱為抽稀。

基本介紹

• 中文名：抽稀
• 基本概念：據經過抽稀後，數量大量減少
• 類型：為一過程
• 前提：保證矢量曲線形狀不變

基本概念

數據經過抽稀後，數量大量減少，並且基本保證能反映原圖形或曲線的基本形狀特徵，能夠為進一步的處理節省空間和時間。

抽稀在GIS矢量數據處理，圖形數據壓縮處理中有廣泛的套用。

算法介紹

曲線抽稀的關鍵是定義抽稀因子，抽稀因子的不同決定的抽稀算法的多樣性，在現有抽稀理論中，有按步長，線段長度，垂距等來定義抽稀因子。

步長法

步長法是沿連續曲線每隔一定的步長抽取一點，其餘點全部壓縮掉，然後在相鄰抽取點間用直線連續或曲線擬合逼近。這種方法主要有兩點不足：一，曲線上的特徵點，如曲線拐彎處，曲線變化較大的點可能因抽稀被壓縮掉，導致曲線變形；二，在某些情況下，仍會留下部分多餘點無法刪除，如曲線中有一段比較直，而步長又較小，會導致此段直線上有多個抽取點，而實際上只要保留直線段的首尾點即可。因此，抽取後的曲線與原曲線有一定的誤差，誤差大小與步長的設定及曲線擬合方法有關。如果能綜合考慮步長和曲率，可能會有更好的效果，但目前對步長和曲率沒有明確的規定，一般是由編程人員根據實際情況自行決定。

線段過濾法

線段過濾法是指當某一段的長度小於某一過濾值時，就以該段的中點代替該段，如同此段的兩端退化到中點一樣。線段過濾法同步長法一樣，過濾值的大小決定著抽稀算法的精度，一般也是由編程人員自行確定。

道格拉斯-普克（Douglas-Peuker)算法

Douglas-Peuker算法（DP算法））一般從整體角度來考慮一條完整的曲線或一段確定的線段，其基本思路為：

1）對曲線的首末點虛連一條直線，求曲線上所有點與直線的距離，並找出最大距離值dmax，用dmax與事先給定的閾值D相比：

2）若dmax<D，則將這條曲線上的中間點全部捨去；

若dmax≥D，保留dmax對應的坐標點，並以該點為界，把曲線分為兩部分，對這兩部分重複使用該方法，即重複1），2）步，直到所有dmax均<D，即完成對曲線的抽稀。

顯然，本算法的抽稀精度也與閾值相關，閾值越大，簡化程度越大，點減少的越多，反之，化簡程度越低，點保留的越多，形狀也越趨於原曲線。

DP算法的抽稀精度與上兩種方法相比，有明顯提高，一因其閾值一般取相應地物最大允許誤差，二因算法能做到在刪除與保留之間達到較好的平衡，即能充分減少點的數量，又能儘量保留特徵點，但由於在編程實現時要用到循環或遞歸，當點數很多時，效率會受到影響。

垂距限值法

垂距限值法與DP算法原理一樣，但其並非從整體角度考慮一條完整曲線，而是從第一點開始依次篩選，去除冗餘點。即以第一點為起點，計算第二點至第一點和第三點連線的垂直距離，若此距離大於某閾值，則保留第二點，並將其作為新起點，計算第三點至第二點和第四點連線的距離；否則，去除第二點，計算第三點至第一點和第四點連線距離，依次類推，直至曲線上最後一點。其閾值一般取相應地物最大允許誤差或更小。

垂距限值法抽稀精度與DP算法一樣，但循環簡單，易於編程處理。是一種較理想的抽稀算法。