在我的算法中,我发现处于不同阈值的图形。每个图G =(V,E)。这些是使用广度优先搜索找到的无向图。我想确定另一个图G'=(V',E')的顶点是否在图G内。我不熟悉图算法,因此,如果您想查看代码或更详尽的解释,请告诉我。
例如,如果我有一个图G,它是一个带有(0,0),(0,8),(8,8)和( 8,0),则由角顶点(2,2),(2,4),(4,4)和(4,2)定义的较小正方形将位于G范围内。很抱歉,如果这很明显问题,我只是不熟悉图形,可以使用一个或两个指针(欢迎使用关键字)。
编辑:我的算法适用于以下矩阵:
import numpy as np
A = np.zeros((9,9))
for i in np.arange(1,8):
for j in np.arange(1,8):
A[i,j] = 1
for i in np.arange(2,4):
for j in np.arange(2,4):
A[i,j] = 2
print(A)
产生矩阵:
[[-1. -1. -1. -1. -1. -1. -1. -1. -1.]
[-1. 1. 1. 1. 1. 1. 1. 1. -1.]
[-1. 1. 2. 2. 1. 1. 1. 1. -1.]
[-1. 1. 2. 2. 1. 1. 1. 1. -1.]
[-1. 1. 1. 1. 1. 1. 1. 1. -1.]
[-1. 1. 1. 1. 1. 1. 1. 1. -1.]
[-1. 1. 1. 1. 1. 1. 1. 1. -1.]
[-1. 1. 1. 1. 1. 1. 1. 1. -1.]
[-1. -1. -1. -1. -1. -1. -1. -1. -1.]]
创建两个图形:
]
具有顶点:
V1 = [[(2.0, 1.333333), (1.333333, 3.0), (1.333333, 2.0), (2.0, 3.666667), (3.0, 3.666667), (3.666667, 3.0), (3.666667, 2.0), (3.0, 1.333333)]]
V2 = [[(1.0, 0.5), (0.5, 2.0), (0.5, 1.0), (0.5, 3.0), (0.5, 4.0), (0.5, 5.0), (0.5, 6.0), (0.5, 7.0), (1.0, 7.5), (2.0, 7.5), (3.0, 7.5), (4.0, 7.5), (5.0, 7.5), (6.0, 7.5), (7.0, 7.5), (7.5, 7.0), (7.5, 6.0), (7.5, 5.0), (7.5, 4.0), (7.5, 3.0), (7.5, 2.0), (7.5, 1.0), (7.0, 0.5), (6.0, 0.5), (5.0, 0.5), (4.0, 0.5), (3.0, 0.5), (2.0, 0.5)]]
和边列表:
e1 = [[[1.333333, 2.0], [2.0, 1.333333]], [[1.333333, 3.0], [1.333333, 2.0]], [[2.0, 3.666667], [1.333333, 3.0]], [[2.0, 1.333333], [3.0, 1.333333]], [[2.0, 3.666667], [3.0, 3.666667]], [[3.0, 1.333333], [3.666667, 2.0]], [[3.666667, 3.0], [3.666667, 2.0]], [[3.0, 3.666667], [3.666667, 3.0]]]
e2 = [[[0.5, 1.0], [1.0, 0.5]], [[0.5, 2.0], [0.5, 1.0]], [[0.5, 3.0], [0.5, 2.0]], [[0.5, 4.0], [0.5, 3.0]], [[0.5, 5.0], [0.5, 4.0]], [[0.5, 6.0], [0.5, 5.0]], [[0.5, 7.0], [0.5, 6.0]], [[1.0, 7.5], [0.5, 7.0]], [[1.0, 0.5], [2.0, 0.5]], [[1.0, 7.5], [2.0, 7.5]], [[2.0, 0.5], [3.0, 0.5]], [[2.0, 7.5], [3.0, 7.5]], [[3.0, 0.5], [4.0, 0.5]], [[3.0, 7.5], [4.0, 7.5]], [[4.0, 0.5], [5.0, 0.5]], [[4.0, 7.5], [5.0, 7.5]], [[5.0, 0.5], [6.0, 0.5]], [[5.0, 7.5], [6.0, 7.5]], [[6.0, 0.5], [7.0, 0.5]], [[6.0, 7.5], [7.0, 7.5]], [[7.0, 0.5], [7.5, 1.0]], [[7.5, 2.0], [7.5, 1.0]], [[7.5, 3.0], [7.5, 2.0]], [[7.5, 4.0], [7.5, 3.0]], [[7.5, 5.0], [7.5, 4.0]], [[7.5, 6.0], [7.5, 5.0]], [[7.5, 7.0], [7.5,
6.0]], [[7.0, 7.5], [7.5, 7.0]]]
我希望将其用于查找更复杂的形状,如下所示:
]
[在第二张图片中,我在绿色形状的内部是红色。理想情况下,红色形状应位于红色形状之内。
我可以附上一个完整的可行示例,但是它将包括我的整个算法,并且页面长,并且具有许多功能!我基本上想在函数中使用输入(V1,E1)和(V2,E2),这将告诉我一个是否在另一个内部。
您可以使用射线投射来解决。这是处理此问题的常用方法,因此您也可以在其他地方找到有关此问题的其他信息。该算法的一般描述如下:
这将涉及以下子任务-获取G2的顶点列表-投光-检测和计数交叉点
如果您遍历每个顶点并通过将用于表示矩阵上G2的值添加到您选择的方向上的所有像元来画一条线,则交集值将只是用于计算的值之和代表G1和G2。在当前情况下,该值将为1,与空白空间相同。如果只允许正值或负值代表图形,而0代表空白,则可以解决此问题。
最后,要检测en边缘是否位于图形上,应在遍历顶点之前运行相交检查。如果您的任何一个顶点在射线投射之前产生了相交值,它将告诉您它在G1的边缘上。标记此顶点在G2内,将其从需要检查的顶点列表中删除,并记下该值,这样它就不会算作所有的额外交集
[您可能需要调整此算法,具体取决于您是想将边上的节点计算为内部还是外部,或者是否需要图形中的所有顶点,但是我希望这是一个有用的开始。