梁友栋-Barsky裁剪算法

2023-10-13 20:10
文章标签 算法 裁剪 梁友栋 barsky

本文主要是介绍梁友栋-Barsky裁剪算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

    Cyrus和Beck用参数化方法提出了比Cohen-Sutherland更有效的算法。后来梁友栋和Barsky独立地提出了更快的参数化线段裁剪算法,也称为Liany-Barsky(LB)算法。

     一、梁友栋-Barsky裁剪算法思想:

  我们知道,一条两端点为P1(x1,y1)、P2(x2,y2)的线段可以用参数方程形式表示:

 x= x1+ u·(x2-x1)= x1+ u·Δx
y= y1+ u·(y2-y1)= y1+ u·Δy
0≤u≤1(3-9)

  式中,Δx=x2-x1Δy=y2-y1,参数u在0~1之间取值,P(x,y)代表了该线段上的一个点,其值由参数u确定,由公式可知,当u=0时,该点为P1(x1,y1),当u=1时,该点为P2(x2,y2)。如果点P(x,y)位于由坐标(xwmin,ywmin)和(xwmax,ywmax)所确定的窗口内,那么下式成立:

 xwmin≤x1+ u·Δx≤xwmax
ywmin≤y1+ u·Δy≤ywmax
(3-10)

  这四个不等式可以表示为:

u·pk ≤qk , k=1,2,3,4(3-11)

  其中,p、q定义为:

 p1=-Δx, q1=x1-xwmin
p2=Δx, q2=xwmax-x1
p3=-Δy, q3=y1-ywmin
p4=Δy, q4=ywmax-y1
(3-12)

  从(3-12)式可以知道:任何平行于窗口某边界的直线,其pk=0(但并不是所有的Pk均为0,是存在pk=0的意思。平行于窗口某边界的图片,会出现 (p1&&p2)||(p3&&p4)=0的情况),k值对应于相应的边界(k=1,2,3,4对应于左、右、下、上边界)。如果还满足qk<0(默认x1为最左点?默认斜率大于0小于1?),则线段完全在边界外,应舍弃该线段。如果pk=0并且qk≥0,则线段平行于窗口某边界并在窗口内,见图中所示。公式(3-12)式还告诉我们:

  1、当pk<0时,线段从裁剪边界延长线的外部延伸到内部;

  2、当pk>0时,线段从裁剪边界延长线的内部延伸到外部;

  例如,当Δx≥0时,对于左边界p1<0(p1=-Δx),线段从左边界的外部到内部;

           对于右边界p2>0(p2=Δx),线段从右边界的内部到外部。

     当Δy<0时,对于下边界p3>0(p3=-Δy),线段从下边界的内部到外部;

          对于上边界p4<0(p4=Δy),线段从上边界的外部到内部。

     当pK≠0时,可以计算出参数u的值,它对应于无限延伸的直线与延伸的窗口边界k的交点,即:

(3-13)

  对于每条直线,可以计算出参数u1和u2,该值定义了位于窗口内的线段部分:

  1、u1的值由线段从外到内遇到的矩形边界所决定(pk<0),对这些边界计算rk=qk/pk,u1取0和各个r值之中的最大值。

  2、u2的值由线段从内到外遇到的矩形边界所决定(pk>0),对这些边界计算rk=qk/pk,u2取0和各个r值之中的最小值。

  3、如果u1>u2,则线段完全落在裁剪窗口之外,应当被舍弃;否则,被裁剪线段的端点可以由u1和u2计算出来。

 二、梁友栋-Barsky裁剪算法实现:

  1、初始化线段交点的参数:u1=0,u2=1;

  2、计算出各个裁剪边界的pk、qk值(k=1,2,3,4);

  3、[调用函数clipTest()],在函数中根据p、q来判断:是舍弃线段还是改变交点的参数。(计算rk=qk/pk,根据(1)、(2)··· 执行)

   (1) 当p<0时,参数r用于更新u1;     (u1=max{u1,…,rk})

   (2) 当p>0时,参数r用于更新u2。     (u2=min{u2,…,rk})

   (3)如果更新了u1或u2后,使u1>u2,则舍弃该线段。

   (4)当p=0且q<0时,因为线段平行于边界并且位于边界之外,则舍弃该线段。见下图所示。

  4、p、q的四个值经判断后,如果该线段未被舍弃,则裁剪线段的端点坐标由参数u1和u2的值决定。

  三、梁友栋-Barsky裁剪算法特点:

  梁友栋-Barsky算法只能应用于矩形窗口的情形。通常梁友栋-Barsky算法比Cohen-Sutherland算法效率更高,因为需要计算的交点数目减少了。更新参数u1、u2仅仅需要一次除法;线段与窗口边界的交点仅计算一次,就计算出u1、u2最后的值。相比之下,即使一条线段完全落在裁剪窗口之外,Cohen-Sutherland算法也要对它反复求交点,而且每次求交计算都需要做乘除法。

  梁友栋-Barsky和Cohen-Sutherland算法还可以扩展为三维裁剪算法。

  四、梁友栋-Barsky裁剪算法程序:

        MFC编写的应用程序(包含源代码):http://download.csdn.net/detail/marcnuth/4938143

        梁友栋算法核心源代码:

#include "graphics.h"
int clipTest(float p,float q,float *u1,float *u2) 
{int flag=1; /*flag为标志变量,0:表示舍弃;1:表示可见。*/float r;if(p<0.0) {r=q/p;if(r>*u2)flag=0;else if(r>*u1) *u1=r; /*u1取"进入"点的最大参数值*/}else if(p>0.0) {r=q/p;if(r<*u1) flag=0;else if(r<*u2)*u2=r; /*u2取"离开" 点的最小参数值*/}else if(q<0.0) /*p=0,且q<0。平行于边界,而且在界外的线*/flag=0;return(flag);
}
void clipLine(int xwmin,int ywmin,int xwmax,int ywmax,int x1,int y1,int x2,int y2) 
{float u1=0.0,u2=1.0,dx=x2-x1,dy;if(clipTest(-dx,x1-xwmin,&u1,&u2))if(clipTest(dx,xwmax-x1,&u1,&u2)) { dy=y2-y1; if(clipTest(-dy,y1-ywmin,&u1,&u2))if(clipTest(dy,ywmax-y1,&u1,&u2)){if(u2<1.0){x2=x1+u2*dx; /*通过u2求得裁剪后的p2端点*/y2=y1+u2*dy;}if(u1>0.0){x1=x1+u1*dx; /*通过u1求得裁剪后的p1端点*/y1=y1+u1*dy;}line(x1,y1,x2,y2); /*裁剪后的线段输出*/}}
}


本文来源: http://course.cug.edu.cn/cugThird/CGOL_NET/CLASS/course/3-2-3-a.htm

这篇关于梁友栋-Barsky裁剪算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/205563

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

Linux内核之内核裁剪详解

《Linux内核之内核裁剪详解》Linux内核裁剪是通过移除不必要的功能和模块,调整配置参数来优化内核,以满足特定需求,裁剪的方法包括使用配置选项、模块化设计和优化配置参数,图形裁剪工具如makeme... 目录简介一、 裁剪的原因二、裁剪的方法三、图形裁剪工具四、操作说明五、make menuconfig

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个