java - snake - Elipse delimitador

java sprites

Question

Se me ha asignado una asignación para un módulo de gráficos, una parte del cual es calcular la elipse de límite mínima de un conjunto de formas arbitrarias. La elipse no tiene que estar alineada con el eje.

Esto funciona en java (euch) usando las formas AWT, así que puedo usar todas las herramientas que proporciona la forma para verificar la contención / intersección de objetos.

Answer 1

Está buscando el elipsoide de volumen mínimo o, en su caso 2D, el área mínima. Este problema de optimización es convexo y puede resolverse eficientemente. Revise el código MATLAB en el enlace que he incluido: la implementación es trivial y no requiere nada más complejo que una inversión de matriz.

Cualquier persona interesada en las matemáticas debe leer este documento .

Además, trazar la elipse también es simple: se puede encontrar here , pero necesitará una función específica de MATLAB para generar puntos en la elipse.

Pero como el algoritmo devuelve la ecuación de la elipse en la forma matricial,

formulario de matriz http://mathurl.com/yz7flxe.png

puede usar este código para ver cómo puede convertir la ecuación a la forma canónica,

canónica http://mathurl.com/y86tlbw.png

utilizando la descomposición del valor singular (SVD) . Y luego es bastante fácil trazar la elipse usando la forma canónica .

Aquí está el resultado del código MATLAB en un conjunto de 10 puntos 2D aleatorios (azul).

Otros métodos como PCA no garantizan que la elipse obtenida de la descomposición (valor eigen / singular) será la elipse límite mínima, ya que los puntos fuera de la elipse son una indicación de la varianza.

EDITAR:

Entonces, si alguien lee el documento, hay dos formas de hacerlo en 2D: aquí está el pseudocódigo del algoritmo óptimo: el algoritmo subóptimo se explica claramente en el documento:

Algoritmo optimo:

Input: A 2x10 matrix P storing 10 2D points
and tolerance = tolerance for error.
Output: The equation of the ellipse in the matrix form,
i.e. a 2x2 matrix A and a 2x1 vector C representing
the center of the ellipse.
// Dimension of the points
d = 2;
// Number of points
N = 10;
// Add a row of 1s to the 2xN matrix P - so Q is 3xN now.
Q = [P;ones(1,N)]
// Initialize
count = 1;
err = 1;
//u is an Nx1 vector where each element is 1/N
u = (1/N) * ones(N,1)
// Khachiyan Algorithm
while err > tolerance
{
// Matrix multiplication:
// diag(u) : if u is a vector, places the elements of u
// in the diagonal of an NxN matrix of zeros
X = Q*diag(u)*Q''; // Q'' - transpose of Q
// inv(X) returns the matrix inverse of X
// diag(M) when M is a matrix returns the diagonal vector of M
M = diag(Q'' * inv(X) * Q); // Q'' - transpose of Q
// Find the value and location of the maximum element in the vector M
maximum = max(M);
j = find_maximum_value_location(M);
// Calculate the step size for the ascent
step_size = (maximum - d -1)/((d+1)*(maximum-1));
// Calculate the new_u:
// Take the vector u, and multiply all the elements in it by (1-step_size)
new_u = (1 - step_size)*u ;
// Increment the jth element of new_u by step_size
new_u(j) = new_u(j) + step_size;
// Store the error by taking finding the square root of the SSD
// between new_u and u
// The SSD or sum-of-square-differences, takes two vectors
// of the same size, creates a new vector by finding the
// difference between corresponding elements, squaring
// each difference and adding them all together.
// So if the vectors were: a = [1 2 3] and b = [5 4 6], then:
// SSD = (1-5)^2 + (2-4)^2 + (3-6)^2;
// And the norm(a-b) = sqrt(SSD);
err = norm(new_u - u);
// Increment count and replace u
count = count + 1;
u = new_u;
}
// Put the elements of the vector u into the diagonal of a matrix
// U with the rest of the elements as 0
U = diag(u);
// Compute the A-matrix
A = (1/d) * inv(P * U * P'' - (P * u)*(P*u)'' );
// And the center,
c = P * u;