图像边缘含有图像形状的丰富信息，然而，图像边缘有时所含的像素点还是太多，很多情况下需要继续精简（比如，使用 ShapeContext 进行形状匹配），于是就出现一个问题：如何从图像边缘上提取出N个点，使这N个点最具有代表性呢？一个很直观的思路是：
（１）这N个点要在图像边缘上；
（２）最近邻的两点之间要尽量分散开。
如，图像为：
需要设计一个采样算法，使它得到下面的结果：
==== 实现 ====
1，将图像加载，转换为ImageU8类（参见《发布我的高性能纯C#图像处理基本类，顺便也挑战一下极限。:)》），方便下一步处理。
2，获得全部边缘像素的位置。
在《重新认识C#: 玩转指针》的一文基础上新添加一个扩展方法：
ForEach
假设灰度值>0的点是边缘点，通过下面的两行代码就可以取得所有的边缘点：
2 img.ForEach((x, y, p) => { if ( * p > 0 ) points.Add( new Point(x, y)); });
简洁吧！
3，随机抽样
这一步参考了Jitendra Malik的实现，下面是他的matlab代码：
matlab
这段代码原理是：检查全部点对的距离，每次去除距离最小的点对中的一个点，直至剩下的点的数量达到要取样的点的数量N。如果点的总量M>>N，这样的操作是很费时间的，为了减少计算量，当M>>N时，随机取3N个点，对这3N个点进行操作即可。需要说明的是，即使M<3N，在具体抽样之前，也需要对样本进行随机打乱，这样才能使得后面删除点对中的某一个点这一行为具有随机性，不然的话，一条直线上的点恐怕会删的只剩尾部一个点。
下面是我的实现，实现方法和Jitendra Malik的略有不同，Jitendra Malik是使用矩阵来计算的，我使用List来计算：
RandomUniformSample
其中:
PairDistance
RandomPermute
本文转自xiaotie博客园博客，原文链接http://www.cnblogs.com/xiaotie/archive/2010/04/18/1714988.html如需转载请自行联系原作者
xiaotie 集异璧实验室(GEBLAB)
