基于 Bowyer-Watson算法实现delaunay德劳内三角网络和Voronoi泰森多边形的建立附matlab代码

简介: 基于 Bowyer-Watson算法实现delaunay德劳内三角网络和Voronoi泰森多边形的建立附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

不规则三角网(Triangulated Irregular Network,TIN)在表示地形的形态方面具有较好的表现,其生成算法一直备受关注。讨论了三角网的数据结构的设计,采用逐点插入算法中的Bowyer-Watson算法思想为研究重点,设计并实现了该算法,对算法实验过程中可能出现的交叉现象进行分析,给出算法的改进。该改进算法已用于地形的可视化建模中,获得了较好的效果,对于三角剖分的相关研究具有一定的价值。

⛄ 代码

clc

clear

close all

%% Bowyer-Watson算法复现(逐点插入)

Pts = rand(20,2);

% save Pts.mat Pts

% load Pts.mat Pts

Pts0 = Pts;

% figure,plot(Pts(:,1),Pts(:,2),'b.')

%% 建立最小外接矩形

MBR = [min(Pts(:,1))-0.5,max(Pts(:,2))+0.5;...

   min(Pts(:,1))-0.5,min(Pts(:,2))-0.5;...

   max(Pts(:,1))+0.5,max(Pts(:,2))+0.5;...

   max(Pts(:,1))+0.5,min(Pts(:,2))-0.5];

Pts = [MBR;Pts];%在点集中添加MBR;

Del = [1,2,3;2,3,4];%建立辅助窗口

%% 逐点插入

for i = 5:size(Pts,1)

   flag = zeros(1,size(Del,1));%点的影响范围flag

   for j = 1:size(Del,1)

       if influence(i,Pts,Del(j,:))==true %判断点是否在三角形外接圆内

           flag(j)=1;

       end

   end

   flag = flag>0;

   a = Del(flag,:);

   Del = Del(~flag,:);

   a = a(:);

   convex = unique(a);% Delaunay腔

   % 按角度顺次连接凸包顶点,生成新三角形

   Del_new = newtriangle(convex,i,Pts);

   % 局部最优化

   for j = 2:size(Del_new,1)

       tri1 = Del_new(j-1,:);

       tri2 = Del_new(j,:);

       [~,center] = influence(i,Pts,tri1);

       pt = Pts(setdiff(tri2,tri1),:);

       pt1 = Pts(tri1(1),:);

       if norm(pt-center)<norm(pt1-center)

           ipt = intersect(tri1,tri2);

           Del_new(j-1,:) = [setdiff(tri2,tri1),setdiff(tri1,tri2),setdiff(ipt,i)];

           Del_new(j,:) = [setdiff(tri2,tri1),setdiff(tri1,tri2),i];

       end

   end

   tri1 = Del_new(end,:);

   tri2 = Del_new(1,:);

   ipt = intersect(tri1,tri2);

   if length(ipt)>1

       [~,center] = influence(i,Pts,tri1);

       pt = Pts(setdiff(tri2,tri1),:);

       pt1 = Pts(tri1(1),:);

       if norm(pt-center)<norm(pt1-center)

           Del_new(end,:) = [setdiff(tri2,tri1),setdiff(tri1,tri2),setdiff(ipt,i)];

           Del_new(1,:) = [setdiff(tri2,tri1),setdiff(tri1,tri2),i];

       end

   end

   

   

   Del = [Del;Del_new];

%     x = [Pts(Del(:,1),1),Pts(Del(:,2),1),Pts(Del(:,3),1),Pts(Del(:,1),1)];

%     y = [Pts(Del(:,1),2),Pts(Del(:,2),2),Pts(Del(:,3),2),Pts(Del(:,1),2)];

%     figure;

%     for ii = 1:size(x,1)

%         plot(x(ii,:),y(ii,:),'b-')

%         hold on

%     end

%     plot(Pts(:,1),Pts(:,2),'bo')

end

%% 删除辅助点

Del0 = Del;

Del(Del(:,1)<5,:)=[];

Del(Del(:,2)<5,:)=[];

Del(Del(:,3)<5,:)=[];

%% 绘制结果三角形

x = [Pts(Del(:,1),1),Pts(Del(:,2),1),Pts(Del(:,3),1),Pts(Del(:,1),1)];

y = [Pts(Del(:,1),2),Pts(Del(:,2),2),Pts(Del(:,3),2),Pts(Del(:,1),2)];

figure;

for i = 1:size(x,1)

   plot(x(i,:),y(i,:),'b-')

   hold on

end

plot(Pts0(:,1),Pts0(:,2),'bo')

title('三角化')


Pts1 = Pts(5:end,:);

tri = delaunay(Pts1(:,1),Pts1(:,2));

figure,triplot(tri,Pts1(:,1),Pts1(:,2));

title('与matlab内建delaunay函数结果做对比')


%% Voronoi图

Del = Del0;% 重新把MBR加上

center = zeros(size(Del,1),2);

Voronoi = [];

Voronoi2 = [];

for i = 1:size(Del,1)

   Del1 = Del(i,:);

   [~,center0] = influence(1,Pts,Del1);

   center(i,:) = center0;

end

for i = 1:size(Del,1)

   Del1 = Del(i,:);

   for j = 1:size(Del,1)

       if i==j

           continue

       end

       Del2 = Del(j,:);

       ipt = intersect(Del1,Del2);

       if length(ipt)>1

           Voronoi = [Voronoi;i,j];

       end

   end

end

% for i = 1:size(Del,1)

%     Del1 = Del(i,[1,2]);

%     flag = false;

%     for j = 1:size(Del,1)

%         if i==j

%             continue

%         end

%         Del2 = Del(j,:);

%         ipt = intersect(Del1,Del2);

%         if length(ipt)>1

%             Voronoi = [Voronoi;i,j];

%             flag = true;

%         end

%     end

%     if ~flag

%         Voronoi2 = [Voronoi2;Del(i,[1,2,3])];

%     end

%     Del1 = Del(i,[2,3]);

%     flag = false;

%     for j = 1:size(Del,1)

%         if i==j

%             continue

%         end

%         Del2 = Del(j,:);

%         ipt = intersect(Del1,Del2);

%         if length(ipt)>1

%             Voronoi = [Voronoi;i,j];

%             flag = true;

%         end

%     end

%     if ~flag

%         Voronoi2 = [Voronoi2;Del(i,[2,3,1])];

%     end

%     Del1 = Del(i,[1,3]);

%     flag = false;

%     for j = 1:size(Del,1)

%         if i==j

%             continue

%         end

%         Del2 = Del(j,:);

%         ipt = intersect(Del1,Del2);

%         if length(ipt)>1

%             Voronoi = [Voronoi;i,j];

%             flag = true;

%         end

%     end

%     if ~flag

%         Voronoi2 = [Voronoi2;Del(i,[1,3,2])];

%     end

%

% end

% pt1 = Pts(Voronoi2(:,1),:);

% pt2 = Pts(Voronoi2(:,2),:);

% pt0 = (pt1+pt2)/2;

% pt3 = Pts(Voronoi2(:,3),:);

% vot = pt1-pt2;

% vot = vot./sqrt(sum(vot.^2,2));

% vot = [-vot(:,2),vot(:,1)];

% vot0 = pt0-pt3;

% if sum(vot.*vot0)<0

%     vot = -vot;

% end

% pt1 = pt0+vot;%为凸包画垂线

% Voronoi2 = [pt1,pt0];

figure;


for i = 1:size(Voronoi,1)

   plot([center(Voronoi(i,1),1),center(Voronoi(i,2),1)],...

       [center(Voronoi(i,1),2),center(Voronoi(i,2),2)],'b-');

   hold on

end

plot(Pts0(:,1),Pts0(:,2),'bo')

% for i = 1:size(pt1,1)

%     plot([pt1(i,1),pt0(i,1)],[pt1(i,2),pt2(i,2)],'b-')

%     hold on

% end

axis([min(Pts0(:,1)),max(Pts0(:,1)),min(Pts0(:,2)),max(Pts0(:,2))]);

axis equal

title('泰森多边形')


%% 判断插入点是否在一个三角形的外接圆内

function [flag,center] = influence(i,Pts,Del)

Del = Pts(Del,:);

pt = Pts(i,:);

pt1 = Del(1,:);

pt2 = Del(2,:);

pt3 = Del(3,:);

% [a1,b1;a2,b2]*[x;y]=[c1;c2] 外心计算公式

a1 = 2*(pt2(1)-pt1(1));

b1 = 2*(pt2(2)-pt1(2));

c1 = pt2(1).^2+pt2(2).^2-pt1(1).^2-pt1(2).^2;

a2 = 2*(pt3(1)-pt2(1));

b2 = 2*(pt3(2)-pt2(2));

c2 = pt3(1).^2+pt3(2).^2-pt2(1).^2-pt2(2).^2;

center = [a1,b1;a2,b2]\[c1;c2];

center = transpose(center);

% x = (c1*b2-c2*b1)/(a1*b2-a2*b1);

% y = (a1*c2-a2*c1)/(a1*b2-a2*b1);

% center = [x,y];

flag = norm(pt-center)<norm(pt1-center);

end

%% 按角度排排坐,分果果

function Del_new = newtriangle(convex,i,Pts)

pt = Pts(i,:);

convex0 = convex;

convex = Pts(convex,:)-repmat(pt,length(convex0),1);

convex = convex./repmat(sqrt(sum(convex.^2,2)),1,2);

theta = acos(convex(:,2));

theta(convex(:,1)<0)=2*pi-theta(convex(:,1)<0);

[~,I]=sort(theta);

Del_new = zeros(0,3);

for j = 2:length(I)

   Del_new = [Del_new;i,convex0(I(j-1)),convex0(I(j))];

end

Del_new = [Del_new;i,convex0(I(1)),convex0(I(end))];

end

 

⛄ 运行结果

⛄ 参考文献

[1]  Chrisochoides N ,  Sukup F . Task parallel implementation of the Bowyer-Watson algorithm[J]. mississippi state univ mississippi state ms, 1999.

[2] 成俊燕. 基于单张图片的服装建模相关算法研究[D]. 浙江大学.

[3] 李景焕. 基于Bowyer-Watson法的Delaunay三角网格的一些改进[J]. 天津商学院学报, 2007, 27(3):33-37.

[4] 周雪梅, 黎应飞. 基于Bowyer-Watson三角网生成算法的研究[J]. 计算机工程与应用, 2013, 49(6):198-200.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
4天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
1天前
|
算法 计算机视觉
基于高斯混合模型的视频背景提取和人员跟踪算法matlab仿真
该内容是关于使用MATLAB2013B实现基于高斯混合模型(GMM)的视频背景提取和人员跟踪算法。算法通过GMM建立背景模型,新帧与模型比较,提取前景并进行人员跟踪。文章附有程序代码示例,展示从读取视频到结果显示的流程。最后,结果保存在Result.mat文件中。
|
1天前
|
资源调度 算法 块存储
m基于遗传优化的LDPC码OMS译码算法最优偏移参数计算和误码率matlab仿真
MATLAB2022a仿真实现了遗传优化的LDPC码OSD译码算法,通过自动搜索最佳偏移参数ΔΔ以提升纠错性能。该算法结合了低密度奇偶校验码和有序统计译码理论,利用遗传算法进行全局优化,避免手动调整,提高译码效率。核心程序包括编码、调制、AWGN信道模拟及软输入软输出译码等步骤,通过仿真曲线展示了不同SNR下的误码率性能。
7 1
|
1天前
|
算法 网络协议 数据建模
【计算机网络】—— IP协议及动态路由算法(下)
【计算机网络】—— IP协议及动态路由算法(下)
6 0
|
1天前
|
算法 网络协议 数据建模
【计算机网络】—— IP协议及动态路由算法(上)
【计算机网络】—— IP协议及动态路由算法(上)
7 0
|
5天前
|
存储 算法 数据可视化
基于harris角点和RANSAC算法的图像拼接matlab仿真
本文介绍了使用MATLAB2022a进行图像拼接的流程,涉及Harris角点检测和RANSAC算法。Harris角点检测寻找图像中局部曲率变化显著的点,RANSAC则用于排除噪声和异常点,找到最佳匹配。核心程序包括自定义的Harris角点计算函数,RANSAC参数设置,以及匹配点的可视化和仿射变换矩阵计算,最终生成全景图像。
|
5天前
|
算法 Serverless
m基于遗传优化的LDPC码NMS译码算法最优归一化参数计算和误码率matlab仿真
MATLAB 2022a仿真实现了遗传优化的归一化最小和(NMS)译码算法,应用于低密度奇偶校验(LDPC)码。结果显示了遗传优化的迭代过程和误码率对比。遗传算法通过选择、交叉和变异操作寻找最佳归一化因子,以提升NMS译码性能。核心程序包括迭代优化、目标函数计算及性能绘图。最终,展示了SNR与误码率的关系,并保存了关键数据。
14 1
|
6天前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
6天前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)