Question

输入：C矩阵2xN（2D点）

输出：C矩阵2xM（2D点），点数相等或更少。

假设我们有C矩阵2xN包含几个2D点，它看起来像这样：

enter image description here

我们想要的是将“close”点分组到一个点，用其他点的平均值来衡量。例如，在第二个图像中，每组蓝色圆圈将是一个点，点坐标将是关闭蓝色圆圈中所有点的平均点。也可以说“close”，我的意思是：他们彼此的距离将小于DELTA（已知的标量）。所以想要的输出是：

enter image description here

关于算法的运行时间，我没有上限请求，但我多次调用该方法...
我尝试了什么：

function C = ReduceClosePoints(C ,l_boundry)
    x_size = abs(l_boundry(1,1)-l_boundry(1,2)); %220
    DELTA = x_size/10;
    T = [];

    for i=1:size(C,2)
        sum = C(:,i);
        n=1;
        for j=1:size(C,2)
            if i~=j     %not in same point
                D = DistancePointToPoint(C(:,i),C(:,j));
                if D < DELTA
                    sum = sum + C(:,j);
                    n=n+1;
                end
            end
        end
        sum = sum./n; %new point -> save in T matrix
        T = [T sum];
    end
    C = T;
end

我正在使用Matlab。谢谢

Answer 1

从输出中删除重复项的最简单方法是在最后一步，替换：

C = T;

使用：

C = unique(T', 'rows')';

请注意，矩阵上下文中的unique()仅按行方式工作，因此我们必须进行两次转置。

Answer 2

我忘记删除之前测试的分数。
如果该代码对使用该代码的人有用：

function C = ReduceClosePoints(C ,l_boundry)
     x_size = abs(boundry(1,1)-boundry(1,2)); %220 / 190
     DELTA = x_size/10;
     i=1;
     while i~=size(C,2)+1
         sum = C(:,i);
         n=1;
         j=i;
         while j~=size(C,2)+1
             if i~=j     %not same point
                 D = DistancePointToPoint(C(:,i),C(:,j));
                 if D < DELTA
                     sum = sum + C(:,j);
                     n=n+1;
                     C(:,j) = [];
                     j=j-1;
                 end
             end
             j=j+1;
         end
         C(:,i) = sum./n; %change to new point
         i=i+1;
     end
end

减少关闭点

2 个答案: