优化两个边界之间的计算距离

Question

我有一个位图世界地图，每个国家/地区都以独特的颜色绘制。加载地图后，我已将所有边框像素存储在每个国家/地区的数组中。

接下来，我计算两个县（A和B）之间的距离。我这样做是通过循环A的边界数组中的每个像素并计算它与B边界数组中每个像素之间的距离。找到最短距离后，我将其存储在查找表中。

为了优化这一点，我有：

• 预先过滤掉所有直接邻居
• 当试图找到两个像素之间的最短距离时，我只比较平方距离（只有当我找到最近的距离时，我才能用平方根计算实际距离）。
• 当存储距离时，我将其存储为A-> B和B-> A，因此B将仅计算C到Z的距离和C与D到Z的距离等。

使用大型地图仍需要很长时间，所以我还能做其他任何优化吗？

Answer 1

将边界像素数据存储在四叉树或其他分层结构中，利用实际几何体（可能在三角形树中）。您不必计算N * N / 2像素的真实距离，而是计算包含边界像素的log2（N）* log2（N）/ 2区域的最小/最大距离范围，排除大量不可能的候选者，然后进行精炼到了下一个级别。

此处在样本A中，有12个方格与4个候选方格的样本B进行比较，可能导致4 * 5个下一级候选（所有B方格和A中最近的5个区域）。

Answer 2

考虑计算A和B的每个像素边界之间的距离，但是让我们说每个第10个。这将为您提供粗略的解决方案。如果精度不足以达到您的目的，您可以通过更多比较使其更准确。

另一种方法可能是引入新的边界数据结构模型。不要将它存储为每个点，而是存储在“特征”点的集合