多边形裁剪是渲染管线中重要的一个子阶段,它将视截体外的多边形去除。一种简单的裁剪策略是一旦发现一个顶点在裁剪区域以外,就立刻丢弃该多边形。更加精细的做法则是,将原来的多边形拆为多个不跨越边界的多边形,仅丢弃在区域外的,譬如:

矩形裁剪三角形ABC示例

  上图中,输入的△ABC被分为△DGE、△DFG、△ADE、□CFGB,△DGE、△DFG被作为输出保留。

一、最简单的情境

  先考虑一个简单的情境:用裁剪给定的三角形,其轴左边的部分都被去掉(仅保留横坐标不小于0的部分)。我们将问题分为四种简单的情况,如图:

裁剪一个三角形的四种基本情况

  对有0个顶点和有3个顶点在裁剪区域外的情况(第一种和最后一种),只需要简单地将三角形接受或丢弃即可。对有1个顶点在区域外的情况,只需要求出AB、AC和的交点D、E,再输出△DBC和△DEC即可,如下图:

第二种情况处理方法示意图

  当有两个顶点在区域外时,处理方法更加简单:假设△ABC中顶点C在区域内,A、B在区域外,那么只需求出AC和BC和的交点D和E,再输出△DEC即可。

  至此,已经得到了一个有些“偷懒”的算法,那就是将“用裁剪三角形,然后将图形绕逆时针旋转”重复四次,这样就可以得到用正方形裁剪三角形的结果。这个循环可以被展开优化,即手动完成分别用四条直线()裁剪三角形的工作。算法伪代码如下——

CLIP_BY_X>=0(Triangle tri)
    out_num = is_a_out + is_b_out + is_c_out
    switch(out_num)
        case 0 //所有顶点都在区域内,可直接返回原三角形
            return { tri }
        case 1 //有一个顶点在区域外
            //把在区域外的顶点交换到A的位置上
            if(is_b_out) swap(tri.A, tri.B)
            else if(is_c_out) swap(tri.A, tri.C)
            //求交点D、E
            D = INTERSECT(tri.A, tri.B, x=0)
            E = INTERSECT(tri.A, tri.C, x=0)
            return { Triangle(D, tri.B, tri.C), Triangle(D, E, tri.C) }
        case 2 //有两个顶点在区域外
            //把在区域内的顶点交换到A的位置上
            if(!is_b_out) swap(tri.A, tri.B)
            else if(!is_c_out) swap(tri.A, tri.C)
            //求交点D, E
            D = INTERSECT(tri.A, tri.B, x=0)
            E = INTERSECT(tri.A, tri.C, x=0)
            return { Triangle(tri.A, D, E) }
    //所有的顶点都在区域外,直接丢弃
    return { }

CLIP_BY_SQUARE(Triangle tri)
    TriangleSet src = { tri }, dst
    for i = 0 to 3 //重复四次,分别对应四条边
        for each triangle t in src
            dst = UNION(dst, CLIP_BY_X>=0(t))
        for each triangle t in dst
            t = ROTATE_TRIANGLE((0.5, 0.5), pi / 2, t)
        src = dst
        dst = { }
    return src

  上面的方法很容易推广到更广泛的应用情景(比方说,借助比简单的”旋转”更强大的变换),不过当前的方法已经能满足图形渲染管线的需求了。

二、Sutherland-Hodgman多边形裁剪算法

  Ivan E. Sutherland和Gary W. Hodgman在1974年提出了一种多边形裁剪算法(Sutherland-Hodgman算法[1]),且裁剪区域可以是任意的凸多边形,下面对其作简要介绍。

  Sutherland-Hodgman仍然逐直线/逐平面地对多边形进行裁剪,这和(一)中的思想是一致的,如下图:

Sutherland-Hodgman算法执行示例(图片来自[1])

  算法要求多边形被表示为顶点序列的形式,表示由边构成的多边形(凹凸皆可),输出为顶点序列,其解释方式和输入相同。先看一个简单的例子:

  输入序列为,直线及其下方为裁剪区域的内侧,这表明另一侧——外侧的多边形应该被裁剪掉。首先得到顶点,注意到这两个顶点一个在内一个在外,于是求出和分界线的交点,并把作为输出,把交点作为输出。

  现在考虑,这两个顶点都在外侧,因此被直接忽略。然后是,我们又得到了一个交点,输出为。最后是以及,它们都在内侧,因此把顶点输出为。这样,就完成了裁剪工作。

  回顾一下刚才的流程,我们从开始,逐条边地进行判断,直到。对这一过程中遇到的每一条边,有以下四种可能的情况:

  1.     都在内侧,则把作为下一个输出的顶点;

  2.     在内侧,在外侧,则先输出,再输出和分界线的交点;

  3.     都在外侧,则跳过这条边;

  4.     在外侧,在内侧,则输出和分界线的交点。

  这样,就得到了用一条直线裁剪任意多边形的方法。用许多条这样的直线构造出裁剪区域,这就是完整的Sutherland-Hodgman裁剪。

三、Edge function:判断点在直线的哪一侧

  Juan Pineda在1988年提出的edge function[2]原本被用于光栅化,在这里也可以用它来判断“内侧”和“外侧”。Edge function如下:

Edge function变量示意图(来自[2])

  其中是要判断的点的坐标,是直线上的某个点,给出了直线的方向。为正意味着点在直线的左/上侧,为负意味着在右/下侧,为零则正好在直线上。该性质可以通过把看做向量和向量的内积来证明,在此不多赘述。

[1] Sutherland, I. E., & Hodgman, G. W. (1974). Reentrant polygon clipping.Communications of the ACM17(1), 32-42.

[2] Pineda, J. (1988, August). A parallel algorithm for polygon rasterization. InACM SIGGRAPH Computer Graphics (Vol. 22, No. 4, pp. 17-20). ACM.

多边形裁剪的Sutherland-Hodgman算法的更多相关文章

  1. C# 实现 任意多边形切割折线算法

    1.    内容简介 本文旨在解决任意多边形切割折线,获取切割之后的折线集合. 本文实现的算法内容包括:判断两条线段是否相交,如若相交,获取交点集合.对线上的点集,按斜率方向排序.判断点是否在多边形内 ...

  2. B树——算法导论(25)

    B树 1. 简介 在之前我们学习了红黑树,今天再学习一种树--B树.它与红黑树有许多类似的地方,比如都是平衡搜索树,但它们在功能和结构上却有较大的差别. 从功能上看,B树是为磁盘或其他存储设备设计的, ...

  3. 分布式系列文章——Paxos算法原理与推导

    Paxos算法在分布式领域具有非常重要的地位.但是Paxos算法有两个比较明显的缺点:1.难以理解 2.工程实现更难. 网上有很多讲解Paxos算法的文章,但是质量参差不齐.看了很多关于Paxos的资 ...

  4. 【Machine Learning】KNN算法虹膜图片识别

    K-近邻算法虹膜图片识别实战 作者:白宁超 2017年1月3日18:26:33 摘要:随着机器学习和深度学习的热潮,各种图书层出不穷.然而多数是基础理论知识介绍,缺乏实现的深入理解.本系列文章是作者结 ...

  5. 红黑树——算法导论(15)

    1. 什么是红黑树 (1) 简介     上一篇我们介绍了基本动态集合操作时间复杂度均为O(h)的二叉搜索树.但遗憾的是,只有当二叉搜索树高度较低时,这些集合操作才会较快:即当树的高度较高(甚至一种极 ...

  6. 散列表(hash table)——算法导论(13)

    1. 引言 许多应用都需要动态集合结构,它至少需要支持Insert,search和delete字典操作.散列表(hash table)是实现字典操作的一种有效的数据结构. 2. 直接寻址表 在介绍散列 ...

  7. 虚拟dom与diff算法 分析

    好文集合: 深入浅出React(四):虚拟DOM Diff算法解析 全面理解虚拟DOM,实现虚拟DOM

  8. 简单有效的kmp算法

    以前看过kmp算法,当时接触后总感觉好深奥啊,抱着数据结构的数啃了一中午,最终才大致看懂,后来提起kmp也只剩下“奥,它是做模式匹配的”这点干货.最近有空,翻出来算法导论看看,原来就是这么简单(先不说 ...

  9. 神经网络、logistic回归等分类算法简单实现

    最近在github上看到一个很有趣的项目,通过文本训练可以让计算机写出特定风格的文章,有人就专门写了一个小项目生成汪峰风格的歌词.看完后有一些自己的小想法,也想做一个玩儿一玩儿.用到的原理是深度学习里 ...

随机推荐

  1. Java 8之二小坑:stream parallel 和 lamada

    Stream:parallel乱序 Java 8 stream流为处理集合时非常方便.遇到的一个坑是为了提高在多核cpu下的性能,尝试了parallel().数据源是HashSet的,在做分割的时候发 ...

  2. php 操作数组 (合并,拆分,追加,查找,删除等)

    1. 合并数组 array_merge()函数将数组合并到一起,返回一个联合的数组.所得到的数组以第一个输入数组参数开始,按后面数组参数出现的顺序依次迫加.其形式为: array array_merg ...

  3. 跟着百度学PHP[5]函数篇1-参数

    ps:俺的文章俺懂就行.大家不要拿来学习不然每个人的学习思路不一样.看视屏文章的老师不同笔记不同加上我也是新手上路,还怕误导!请大家看行且思考,帮忙挖Bug也可以. 案例要求:你可以写一个两行三列的表 ...

  4. MySQL Binlog Mixed模式记录成Row格式

    背景: 一个简单的主从结构,主的binlog format是Mixed模式,在执行一条简单的导入语句时,通过mysqlbinlog导出发现记录的Binlog全部变成了Row的格式(明明设置的是Mixe ...

  5. 校园网搭建HUSTOJ记录

    上学期和网管中心的老师说过很多次--要在校园网上搭OJ,当时那边老师说要等"虚拟化搞好了以后才能搭".直到上周,终于在校园网上申请到了一个虚拟主机,4核,10G内存,100G硬盘, ...

  6. IOS本地,APNS远程推送(具体过程)

    添加本地推送 ///本地添加 -(void)addLocalPushNotification:(UIButton*)sender; { NSLog(@"%s",__FUNCTION ...

  7. service 03 iis之服务器无访问权限

    这两天在Service 03 的iis 6.0 里面配置一个aspx 的网站 ,总是遇到一个问题  401.2   无权限访问,于是去百度了一下好多的方法,基本上是关于设置匿名用户,打开IUSER用户 ...

  8. 决策树的python实现

    决策树 算法优缺点: 优点:计算复杂度不高,输出结果易于理解,对中间值缺失不敏感,可以处理不相关的特征数据 缺点:可能会产生过度匹配的问题 适用数据类型:数值型和标称型 算法思想: 1.决策树构造的整 ...

  9. SQL 2012 Group By Rollup, Grouping

    GO alter proc [zsp_BranchsData] as begin /* CREATE TABLE [原始机构数据] ( [序号] [varchar](50) NULL, [一级分行号] ...

  10. linux安装open block chain

    Compile the source code Step 1. 安装git sudo apt-get install git Step 2. 安装vagrant(ubuntu系统) 下载地址https ...