Question

我目前正在开发一个应用程序来提醒用户下雨。为此，我想检查用户位置周围的某些区域是否有降雨（降雨雷达图像上强度的不同像素颜色）。我希望选中的区域是一个圆圈，但我不知道如何有效地做到这一点。

假设我想检查半径50km。我目前的想法是拍摄尺寸为100kmx100km（用户+西50km，用户+北50km，用户+南50km）的图像子集，然后检查该子集中的每个像素是否接近用户而不是50km。

我的问题是，有没有更好的解决方案用于此类问题？

Answer 1

如果您正在搜索的事件（下雨或其他任何事件）发生的情况相对较少，那么扫描 square 或像素并没有问题，然后，只有在检测到雨后在那个方格中，检查下雨是否在所需的50公里圈内。请注意，此处的关键点是，您不需要检查广场的每个像素是否在圈内（效率非常低），您必须搜索您的事件（雨）首先，只有当你找到它时，检查它是否落入50公里的圆圈。为了有效地实现这一点，您还必须开发一些智能策略来处理多像素＆＃34;污渍＆＃34;你的形象下雨。

但是，由于您正在扫描光栅图像，因此可以轻松实现众所周知的Bresenham circle algorithm以查找每条扫描线的圆的起点和终点。这样，您可以轻松地将扫描限制在所需的50公里半径范围内。

在第二个想法中，你甚至不需要Bresenham算法。对于方形中的每一行像素，计算该行与50km圆的交点（使用通常的平方根教科书公式），然后检查落在这些交点之间的所有像素。以相同的方式处理所有行，您就完成了。

P.S。不幸的是，我链接的维基百科页面根本没有提供Bresenham算法。它具有代码为Michener circle算法。米歇尔算法也适用于圆光栅化目的，但它不如Bresenham算法精确。如果您关心精确度，请在某处找到真正的Bresenham。实际上，在网上找到令人惊讶的难度：大多数搜索命中错误地将米歇尔视为布雷森汉姆。

Answer 2

有，你可以修改midpoint circle algorithm给你一个每个y的数组，圆圈开始的x坐标（并且结束，由于对称性，它是相同的东西）。这个数组很容易计算，下面是伪代码。

然后你可以完全迭代正确的部分，而无需检查任何东西。

伪代码：

data = new int[radius];
int f = 1 - radius, ddF_x = 1;
int ddF_y = -2 * radius;
int x = 0, y = radius;
while (x < y)
{
    if (f >= 0)
    {
        y--;
        ddF_y += 2; f += ddF_y;
    }
    x++;
    ddF_x += 2; f += ddF_x;
    data[radius - y] = x; data[radius - x] = y;
}

Answer 3

也许您可以尝试一些可以加速算法的方法。

在强力算法中，您可能会使用等式：

(x-p)^2 + (y-q)^2 < r^2
(p,q) - center of the circle, user position
r - radius (50km)

如果你想找到满足上述条件的所有像素（x，y）并检查它们，你的算法会转到O（n ^ 2）

我只会检查圆圈边框上的像素，而不是扫描此圆圈中的所有像素。

在这种情况下，您可以使用更聪明的方式来定义圆圈。

x = p+r*cos(a)
y = q*r*sin(a) 
a - angle measured in radians [0-2pi]

现在你可以采样一些角度，例如其中的20个，迭代并找到半径为50km的所有边界（x，y）。现在检查它们是否在雨区并提醒用户。

为了更安全，我建议你使用多个弧度（小于50公里），因为你的整个雨云可能在圆圈内，你的应用程序将无法识别他。例如，使用3个环（r = 5km，15km，30km）并做同样的事情。该算法的效率仅取决于角度数和圈数。

伪代码将是：

checkRainDanger()
  p,q <- position
  radius[] <- array of radii
  for c = 1 to length(radius)
    a=0
    while(a<2*pi)
      x = p + radius[c]*cos(a)
      y = q + radius[c]*sin(a)
      if rainZone(x,y)
        return true
      else          
        a+=pi/10
    end_while
  end_for
  return false //no danger

Answer 4

r2=r*r
for x in range(-r, +r):
  max_y=sqrt(r2-x*x)
  for y in range(-max_y, +max_y):
    # x,y is in range - check for rain

检查特定半径范围内所有像素的最佳方法是什么？

4 个答案: