- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术圈
DP,Douglas-Peucker算法java实现
基本思路是：对每一条曲线的首末点虚连一条直线，求所有点与直线的距离，并找出最大距离值dmax，用dmax与限差D相比： 若dmax＜D，这条曲线上的中间点全部舍去；
1.1K40发布于 2019-08-22 - 来自专栏用户2442861的专栏
python数字图像处理（17）：边缘与轮廓
approximate_polygon（）是基于Douglas-Peucker算法的一种近似曲线模拟。它根据指定的容忍值来近似一条多边形曲线链，该曲线也在凸包线的内部。 new_hand =measure.subdivide_polygon(new_hand, degree=2) # approximate subdivided polygon with Douglas-Peucker
2.1K10发布于 2018-09-19 - 来自专栏YashanDB知识库
YashanDB ST_SIMPLIFY函数
ST_SIMPLIFY函数的功能是使用Douglas-Peucker算法来简化输入的geometry。当输入的参数存在NULL时，函数返回NULL。
11600编辑于 2025-05-29 - 来自专栏AI研习社
Github 推荐项目 | 微软发布 1.25 亿美国建筑足迹开放数据
这和类似 Douglas-Peucker 这样的标准算法不一样，其本质上是贪婪算法。该方法试图施加一些修道院建筑物属性，目前，这些属性是手动定义和自动调整的。
1.5K30发布于 2018-07-26 - 来自专栏风吹杨柳
opencv 9 -- 轮廓 特征 一
使用的Douglas-Peucker算法 为了帮助理解，假设我们要在一幅图像中查找一个矩形， 但是由于图像的 种种原因，我们不能得到一个完美的矩形， 而是一个“坏形状”(如下图第一幅所示)。
90730发布于 2019-07-08 - 来自专栏Algorithm
Java【算法 01】道格拉斯-普克 Douglas-Peucker 抽稀算法（算法流程图解+使用JDK8方法实现+详细注解源码）
1.算法说明 道格拉斯-普克算法 Douglas-Peucker Algorithm 简称 D-P 算法，亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法，是将曲线近似表示为一系列点，并减少点的数量的一种算法 By+C=0$ 的距离 d 为：$$d= \frac{|Ax{0}+By{0}+C|}{ \sqrt{A^{2}+B^{2}}}$$2.2 源码一下是优化前的代码，优化后的代码请查看《道格拉斯-普克 Douglas-Peucker
43300编辑于 2025-07-03 - 来自专栏图像处理与模式识别研究所
最优拟合多边形框
result0.02",adp) cv2.waitKey() cv2.destroyAllWindows() 算法：最优拟合多边形框是计算包围指定轮廓点集的点集，最优拟合多边形框是边界表达的一种，采用Douglas-Peucker
99231编辑于 2022-05-28 - 来自专栏量子位
5笔涂出一只3D猫咪模型，可跑可跳无需手动绑定骨骼，新鬼畜素材get丨浙大&开源
首先是从原始草图中进行简单的多边形采集，不过手绘图像难免会因为手抖或画技问题出现线条的断裂、不平滑等问题： （也就是计算机图像问题中常说的噪音） 所以，需要将原始线条均匀地离散小段直线来平滑这些噪音，再用DP（Douglas-Peucker
1.1K30编辑于 2021-12-09 - 来自专栏微卡智享
Android OpenCV（三十七）：轮廓外接多边形
该方法使用的是Douglas-Peucker algorithm（道格拉斯-普克算法）。
1.6K10发布于 2021-07-07 - 来自专栏Algorithm
Java【算法 02】道格拉斯-普克 Douglas-Peucker 抽稀算法分析及15w个坐标点抽稀到3.7w耗时从360s+优化到365ms
算法详细流程可查看《道格拉斯抽稀算法流程图解+使用JDK8方法实现+详细注解源码》经典的 D-P 算法描述如下【红色部分用于辅助理解 可忽略】：
33900编辑于 2025-07-03 - 来自专栏磐创AI技术团队的专栏
OpenCV系列之轮廓特征 | 二十二
它是Douglas-Peucker算法的实现。检查维基百科页面上的算法和演示。
1.2K20发布于 2019-12-11 - 来自专栏机器视觉全栈er
opencv(4.5.3)-python(十九)--轮廓线的特征
它是Douglas-Peucker算法的一个实现。 为了理解这一点，假设你试图在图像中找到一个正方形，但由于图像中的一些问题，你没有得到一个完美的正方形，而是一个 "坏形状"（如下图所示）。
1.3K20编辑于 2022-12-07 - 来自专栏计算机视觉理论及其实现
cv2.drawContours
perimeter = cv2.arcLength(cnt,True)2.4轮廓近似 将轮廓形状近似到另外一种由更少点组成的轮廓形状，新轮廓的点的数目由我们设定的准确度来决定，使用的Douglas-Peucker
3.9K10编辑于 2022-09-02 - 来自专栏深度学习和计算机视觉
自动驾驶中基于车道线的高清制图方法回顾
下图是提取车道的例子：首先是道路中线分割出来，采用一种简化的折线段表示，基于Douglas-Peucker算法沿不同方向将中线段分成多个部分，并得到形状点集。
1.8K30发布于 2020-06-19 - 来自专栏又见苍岚
OpenCV 轮廓 —— 轮廓分析
Douglas-Peucker(DP) 逼近算法 该算法首先从轮廓(图B)中挑出两个最远的点，将两点相连(图C)。然后在原来的轮廓上寻找一个离线段距离最远的点， 将该点加入逼近后的新轮廓中。
4K20编辑于 2022-08-09 - 来自专栏半杯茶的小酒杯
自动驾驶中基于车道线的高清制图方法回顾
下图是提取车道的例子：首先是道路中线分割出来，采用一种简化的折线段表示，基于Douglas-Peucker算法沿不同方向将中线段分成多个部分，并得到形状点集。
1.3K11编辑于 2022-04-28 - 来自专栏点云PCL
针对环视摄像头的车道检测和估计
我们可以通过Douglas-Peucker算法形成由一系列标记的连接点组成的多边形线。
69710编辑于 2024-03-06 - 来自专栏时空探索之旅
AI论文速读 | 2024[WWW]不只路线：联合 GPS 和路线建模的轨迹表示学习
TrajCL：使用Douglas-Peucker算法简化轨迹，以在轨迹拓扑上构建窗口。
37910编辑于 2024-11-19 - 来自专栏数据科学学习手札
（数据科学学习手札84）基于geopandas的空间数据分析——空间计算篇（上）
这时对矢量数据进行简化就非常有必要，geopandas中沿用shapely中的simplify()方法，帮助我们对过于复杂的线和面进行简化，和QGIS中简化矢量的方法一样，simplify()使用了科学的Douglas-Peucker
4.6K31发布于 2020-05-25 - 来自专栏Python大数据分析
基于geopandas的空间数据分析——空间计算篇(上)
这时对矢量数据进行简化就非常有必要，geopandas中沿用shapely中的simplify()方法，帮助我们对过于复杂的线和面进行简化，和QGIS中简化矢量的方法一样，simplify()使用了科学的Douglas-Peucker
3.8K30编辑于 2022-04-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号