小白谈计算机图形学(三)二维图形裁剪

引言

管中窥豹,坐井观天,自然界中有一个个窗口让我们观察她的曼妙。计算机也有这样的窗口,让我们在全部中观察局部的现象。这里我们谈谈二维图形的裁剪。

如何裁剪

假定直线段用 p 1 ( x 1 , y 1 ) p1(x1,y1) p 2 ( x 2 , y 2 ) p2(x2,y2) 表示。直线段和剪裁窗口的可能关系:

  • 完全落在窗口内
  • 完全落在窗口外
  • 与窗口边界相交
    在这里插入图片描述

Cohen-Sutherland代码裁剪算法

基本思想

以窗口为基准进行分区,再以 D 3 D 2 D 1 D 0 D_3D_2D_1D_0 (上下右左) 以外赋1,以内赋0的二进制形式给每个区命名,随之进行位与运算进行分析。
在这里插入图片描述

Cohen-Sutherland操作步骤

  • code1=0且code2=0,则该线段在窗口内,取之。
  • code1和code2 按位进行与运算,其结果不为0,即code1&code2≠0,则两端点必在窗口外的同一部位,弃之。
  • 都不成立,此时需要求出直线段与窗口边界的交点,在交点处把线段一分为二,其中必有一段完全在窗口以外,弃之。根据交点位置赋予新的四位编码,直到code1=0且code2=0为止。

优点:利用编码的思想,实现了对完全可见和不可见直线段的快速接受和拒绝。
缺点:部分可见查找较慢。

中点分割裁剪算法(对分法)

基本思想

同样对直线段端点进行分区编码,对前两种情况进行一样的处理。

线段和窗口有交点情况

  • 核心思想:通过二分法逼近来确定直线与窗口的交点,由于到达像素级别便不再可分,故不会无限循环下去。
    在这里插入图片描述
  • p 1 p_1 出发,找出离 p 1 p_1 最近的可见点 A A ; 从 p 2 p_2 出发,找出离 p 2 p_2 最近的可见点 B B ; A B AB p 1 p 2 p_1p_2 的可见部分。

缺点:代码裁剪与矢量裁剪都要计算直线段与窗口边界的交点,大量乘除运算降低执行效率

Liang-Barsky算法

Liang的初发现

  • 参数方程表示直线段
    { x = x 1 + Δ x u y = y 1 + Δ y u ( 0 u 1 ) \left\{ \begin{aligned} x& = x_1+\Delta x*u\\ y& = y_1+\Delta y*u\\ (&0\leq u\leq1) \end{aligned} \right.
    在这里插入图片描述
  • 把直线段看成一条有方向的线段,把窗口分为入边(直线由窗口外向窗口内移动,即左边界和下边界)和出边(直线由窗口内向窗口外移动,即右边界和上边界)加上自身总共 6 6 个点在这里插入图片描述

如何判断入边出边?如何判断 u u 值?

判断一条线在窗口内的部分即判断窗口内点的取值范围,接下来所有推导将都会使用到起点 p 1 ( x 1 , y 1 ) p_1(x_1,y_1) :
{ x l e f t x 1 + Δ x u x r i g h t y b o t t o m y 1 + Δ y u y t o p \left\{ \begin{aligned} &x_{left} \leq x_1+\Delta x*u \leq x_{right}\\ &y_{bottom} \leq y_1+\Delta y*u \leq y_{top} \end{aligned} \right.
我们得到点关于窗口四边的四个不等式,同时我们进行优化:
{ p 1 = Δ x q 1 = x 1 x L p 2 = Δ x q 2 = x R x 1 p 3 = Δ y q 3 = x 1 x B p 4 = Δ y q 4 = x T x 1 \left\{ \begin{aligned} &p_1 =-\Delta x &q_1=x_1-x_L\\ &p_2 =\Delta x &q_2=x_R-x_1\\ &p_3=-\Delta y &q_3=x_1-x_B\\ &p_4 =\Delta y &q_4=x_T-x_1\\ \end{aligned} \right.

u p k q k u*p_k\leq q_k

即满足上述条件就是我们寻找的点,那么我们想到当取等号即 u = q k p k u=\frac{q_k}{p_k} 的时候,即是入边与出边四点:
在这里插入图片描述
那么如何判断入边和出边呢:由 p k p_k 判断,这里不明白可以点击进行学习
p k < 0 p_k<0 时为入边, p k > 0 p_k>0 时为出边,所以得Liang-Barsky算法的式子
{ p 1 = Δ x q 1 = x 1 x L p 2 = Δ x q 2 = x R x 1 p 3 = Δ y q 3 = x 1 x B p 4 = Δ y q 4 = x T x 1 u = q k p k \left\{ \begin{aligned} &p_1 =-\Delta x &q_1=x_1-x_L\\ &p_2 =\Delta x &q_2=x_R-x_1\\ &p_3=-\Delta y &q_3=x_1-x_B\\ &p_4 =\Delta y &q_4=x_T-x_1\\ &u=\frac{q_k}{p_k} \end{aligned} \right.

{ u m a x = m a x ( 0 , u k p k < 0 , u k p k < 0 ) u m i n = m i n ( 1 , u k p k > 0 , u k p k > 0 ) \left\{ \begin{aligned} &u_{max}=max(0,u_{k|pk<0},u_{k|pk<0})\\ &u_{min}=min(1,u_{k|pk>0},u_{k|pk>0})\\ \end{aligned} \right.
得到最大最小的值
在这里插入图片描述

Liang-Barsky算法特点

  • 直线方程参数化
  • 直线段看成有方向的
  • 把窗口的四条边分为入边和出边

超链接

如果你还想了解其他内容:
小白谈计算机图形学(一)如何画线
小白谈计算机图形学(二)如何画圆
小白谈计算机图形学(三)二维图形裁剪

发布了4 篇原创文章 · 获赞 1 · 访问量 2085

猜你喜欢

转载自blog.csdn.net/liuyiming2019/article/details/105062645
今日推荐