条件已知两个点的坐标p1(x0,y0),p2(x1,y1)要求画出这条直线

之后的e代表每次的误差积累,初始值为0,可以计算出斜率为k=dy/dx=(y0-y1)/(x0-x1)

1、x为阶跃步长(直线光栅化)    适用于0<k<1的情况

即x每次增加1,但是y的坐标根据其是靠近该点所处的单元格的距离来决定,如果离上边近则y加1,如果离下边近则还是y

可以知道机器在画每一个点的时候都会有误差,则画出的第一个点的坐标(x0,y0)也相当于是(x0,y0+e),那么可以知道下个点的坐标为红色的p(x0+1,y0+e+k),但是机器在画p点时,如果p点的纵坐标不是整数时,应该进行判断这个点是接近黄点(x0+1,y0+1)还是接近蓝点(x0+1,y0),最后如果接近黄点则e累积k-1,如果接近蓝点则e累积k

在判断条件的两边同乘2得:

那么程序为:

void LineB2(int x0,int y0,int x1,int y1,int color,CDC *p){
int i,x,y,dx,dy;
float k,e;
dx=x1-x0;
dy=y1-y0;
k=(float)dy/dx;
e=-0.5;x=x0;y=y0;
for(i=;i<=dx;i++){
p->SetPixel(x,y,color);
x=x+;
e=e+k;
if(e>=){
y+=;
e=e-;
}
}
}

上面的程序中e使用了多次除法运算,算法效率低。

优化

将上面的k使用dy/dx替换,并且同乘dx后,令ξ=dx*e则:

则程序为:

//在程序中e为上面的ξ
void LineB3(int x0,int y0,int x1,int y1,int color,CDC *p){
int i,x,y,dx,dy;
float e=;
dx=x1-x0;
dy=y1-y0;
e=-0.5;x=x0;y=y0;
for(i=;i<=dx;i++){
p->SetPixel(x,y,color);
x=x+;
if(*(e+dy)>=dx){
y+=;
e=e+dy-dx;
}else{
e=e+dy;
}
}
}

2、y为阶跃步长(直线光栅化)    适用于k>1的情况

同上可以推出:

可以知道机器在画每一个点的时候都会有误差,则画出的第一个点的坐标(x0,y0)也相当于是(x0+e,y0),那么可以知道下个点的坐标为红色的p(x0+e+1/k,y0+1),但是机器在画p点时,如果p点的横坐标不是整数时,应该进行判断这个点是接近右边(x0+1,y0+1)还是接近蓝左边(x0,y0+1),最后如果接近右边则e累积1、k-1,如果接近左边则e累积1/k

优化得:

将上面的k使用dy/dx替换,并且同乘dy后,令ξ=dy*e则:

对于k<-1和-1<=k<=0可以通过对x取相反数来实现(与以上两种情况关于y轴对称)

Bresenham算法的实现思路的更多相关文章

  1. 直线的中点Bresenham算法的实现

    一.实验目的 1.掌握在MFC中搭建图形绘制的基本框架的方法: 2.将直线的中点Bresenham算法转化成可执行代码. 二.实验内容 1. 通过分析具体数据在中点Bresenham算法上的执行过程, ...

  2. SSE图像算法优化系列十三:超高速BoxBlur算法的实现和优化(Opencv的速度的五倍)

    在SSE图像算法优化系列五:超高速指数模糊算法的实现和优化(10000*10000在100ms左右实现) 一文中,我曾经说过优化后的ExpBlur比BoxBlur还要快,那个时候我比较的BoxBlur ...

  3. 万字长文,以代码的思想去详细讲解yolov3算法的实现原理和训练过程,Visdrone数据集实战训练

    以代码的思想去详细讲解yolov3算法的实现原理和训练过程,并教使用visdrone2019数据集和自己制作数据集两种方式去训练自己的pytorch搭建的yolov3模型,吐血整理万字长文,纯属干货 ...

  4. 图像数据到网格数据-2——改进的SMC算法的实现

    概要 本篇接上一篇继续介绍网格生成算法,同时不少内容继承自上篇.上篇介绍了经典的三维图像网格生成算法MarchingCubes,并且基于其思想和三角形表实现了对样例数据的网格构建.本篇继续探讨网格生成 ...

  5. Bug2算法的实现(RobotBASIC环境中仿真)

    移动机器人智能的一个重要标志就是自主导航,而实现机器人自主导航有个基本要求--避障.之前简单介绍过Bug避障算法,但仅仅了解大致理论而不亲自动手实现一遍很难有深刻的印象,只能说似懂非懂.我不是天才,不 ...

  6. Canny边缘检测算法的实现

    图像边缘信息主要集中在高频段,通常说图像锐化或检测边缘,实质就是高频滤波.我们知道微分运算是求信号的变化率,具有加强高频分量的作用.在空域运算中来说,对图像的锐化就是计算微分.由于数字图像的离散信号, ...

  7. java基础解析系列(四)---LinkedHashMap的原理及LRU算法的实现

    java基础解析系列(四)---LinkedHashMap的原理及LRU算法的实现 java基础解析系列(一)---String.StringBuffer.StringBuilder java基础解析 ...

  8. 详解Linux内核红黑树算法的实现

    转自:https://blog.csdn.net/npy_lp/article/details/7420689 内核源码:linux-2.6.38.8.tar.bz2 关于二叉查找树的概念请参考博文& ...

  9. 详细MATLAB 中BP神经网络算法的实现

    MATLAB 中BP神经网络算法的实现 BP神经网络算法提供了一种普遍并且实用的方法从样例中学习值为实数.离散值或者向量的函数,这里就简单介绍一下如何用MATLAB编程实现该算法. 具体步骤   这里 ...

随机推荐

  1. app 性能

    Android App优化之性能分析工具 https://www.jianshu.com/p/da2a4bfcba68 -------------- 系列文: 背景:Android App优化, 要怎 ...

  2. java与json,一篇就够了

    本示例使用的json包为阿里的fastjson 首先写三个工具类(seter和geter方法省略,自行补上): /** * 屏幕实体类 */ public class Screen { private ...

  3. 【原创】驱动枚举之EnumServicesStatusEx

    BOOL WINAPI EnumServicesStatusEx( _In_ SC_HANDLE hSCManager, _In_ SC_ENUM_TYPE InfoLevel, _In_ DWORD ...

  4. 【Vue.js】基于vue的实时搜索,在结果中高亮显示关键词

    一.搜素效果如下: 二.核心 1)利用oninput属性来触发搜素功能 2)利用RegExp来对字符串来全局匹配关键字,利用replace方法来对匹配的关键字进行嵌入高亮的<span class ...

  5. 【ASP.NET MVC系列】浅谈ASP.NET 页面之间传值的几种方式

    ASP.NET MVC系列文章 [01]浅谈Google Chrome浏览器(理论篇) [02]浅谈Google Chrome浏览器(操作篇)(上) [03]浅谈Google Chrome浏览器(操作 ...

  6. Python作用域详述

    作用域是指变量的生效范围,例如本地变量.全局变量描述的就是不同的生效范围. python的变量作用域的规则非常简单,可以说是所有语言中最直观.最容易理解的作用域. 在开始介绍作用域之前,先抛一个问题: ...

  7. 十大经典排序算法详细总结(含JAVA代码实现)

    原文出处:http://www.cnblogs.com/guoyaohua/p/8600214.html 0.排序算法说明 0.1 排序的定义 对一序列对象根据某个关键字进行排序. 0.2 术语说明 ...

  8. 【转载】阿里云服务器为网站选配Https证书

    数字证书是一个经权威授权机构数字签名.包含公开密钥拥有者信息以及公开密钥的文件,是权威机构颁发给网站的可信凭证.最简单的证书包含一个公开密钥.证书名称以及证书授权中心的数字签名,只在特定的时间内有效. ...

  9. asp.net core webapi 生成导出excel

    /// <summary> /// 下载订单 /// </summary> /// <param name="model"></param ...

  10. c# json 序列化时遇到错误 error Self referencing loop detected for type

    参考网址:http://blog.csdn.net/adenfeng/article/details/41622255 在写redis缓存帮助类的时候遇到的这个问题,本来打算先序列化一个实体为json ...