18.3. ОПИСАНИЕ ЛИНИЙ
Прямолинейные и криволинейные отрезки образуют основную структуру многих изображений. Для таких изображений математические соотношения между выделенными точками на границе объекта дают символическое описание изображения. В настоящем разделе описываются два подхода к установлению математических соотношений: подбор кривых и преобразование линии в точку.
18.3.1. АППРОКСИМАЦИЯ КРИВЫХ
Рассмотрим совокупность точек
при
, взятых на границе двумерного объекта, как показано на рис. 18.3.1. Предположим, что эти точки упорядочены в том смысле, что точки
и
- ближайшие соседи вдоль границы. Если
, то говорят, что эти точки находятся в функциональной связи. Типичным примером функционально связанных точек служат точки графика зависимости напряжения от времени в электрической цепи.
Аппроксимация кривой на множестве точек состоит в определении некоторой функции
, для которой ошибка аппроксимации, т. е. мера отклонения совокупности исходных точек
от точек
, принимает минимальное значение. Если точки объекта находятся в функциональной связи, то ошибка аппроксимации обычно измеряется по координате
. Типичными ошибками аппроксимации являются:
абсолютная ошибка
, (18.3.1а)
квадратическая ошибка
, (18.3.1б)
максимальная ошибка
. (18.3.1в)

Рис. 18.3.1. Точки, взятые на границе объекта: а - точки объекта: б - точки, находящиеся в функциональной связи.
Для общего случая произвольно заданных точек объекта меры ошибки, заданные выражениями (18.3.1), часто оказываются бессмысленными. При этом ошибку, которая связана с каждой точкой
, можно измерить расстоянием от этой точки до аппроксимирующей кривой по нормали к ней и аналогично формулам (18.3.1) записать выражения для абсолютной квадратической и максимальной ошибок. Минимизация получающейся в результате ошибки аппроксимации для общего случая обычно представляет собой довольно трудную задачу.
Среди наиболее часто используемых способов аппроксимации кривых для функционально связанных экспериментальных точек следует указать кусочно-полиномиальную аппроксимацию. В этом случае аппроксимирующая функция имеет вид
, (18.3.2)
где
- коэффициенты полинома. Подстановка экспериментальных точек в выражение (18.3.2) приводит к соотношению в векторной форме
, (18.3.3а)
которое можно записать в компактном виде
. (18.3.3б)
Для ошибки по критерию наименьших квадратов
(18.3.4)
оптимальный набор коэффициентов полинома получается из уравнения
. (18.3.5)
При
, т. е. когда число экспериментальных точек превышает число коэффициентов полинома, псевдообратная матрица вычисляется по формуле
(18.3.6)
при условии, что все экспериментальные точки
различны. В случае линейной аппроксимации требуется определить лишь коэффициенты
и
. В противоположном крайнем случае, когда функция
представляет собой полином
-го порядка, имеет место равенства
и уравнение (18.3.3) справедливо для каждой экспериментальной точки, т. е. аппроксимирующий полином проходит через каждую экспериментальную точку. В этом случае интерполирующий полином единственный, но его можно представить и подсчитать различным образом, например по формулам интерполяции Лагранжа, Ньютона, Эйткена [16].
В работе Дуда и Харта [11] отдается должное Форсену как родоначальнику простого метода кусочно-линейной аппроксимации, названного итеративным подбором концевых точек. На первом этапе работы алгоритма, которая иллюстрируется рис. 18.3.2, концевые экспериментальные точки
и
соединяются прямой линией. Затем исследуется точка с наибольшим отклонением от этой прямой (точка
). Если отклонение достаточно велико, то эта точка берется в качестве точки соединения двух отрезков (
и
). Данная процедура повторяется для каждого отрезка до тех пор, пока экспериментальные точки не будут «хорошо» аппроксимированы отрезками прямых. Основное преимущество этого алгоритма состоит в его простоте, а недостаток - в возникновении ошибок, обусловленных ошибками в исходных экспериментальных данных. Реймер [17] использовал способ, подобный процедуре итеративного подбора концевых точек, для полигональной аппроксимации замкнутых кривых произвольной формы. Павлидис и Хоровиц [18] разработали алгоритм для полигональной аппроксимации кривых.

Рис. 18.3.2. Итеративный подбор концевых точек: а - первый этап; б - второй этап; в - третий этап.