在使用数位板或触控笔输入时，你可能已经注意到一个现象：当笔尖移动得非常缓慢，系统会采集到大量密集的数据点。这些点对于还原笔迹的总体形状来说，绝大多数都是冗余的。事实上，只需保留少量关键点，就足以勾勒出笔画的轮廓。那么，如何在不损失核心形状的前提下，尽可能减少数据量？Groner采用了一种极其简洁的抽稀方案。 抽稀的核心思想是：从第一个数据点开始，在其周围绘制一个正方形（称为“抽稀方框”）。所有落在这个方框内部的后续点都被丢弃；当某个点落在方框之外时，就以该点为中心重新放置方框，并继续处理后续的点。方框的尺寸决定了抽稀的力度——方框越大，被丢弃的点越多，笔画也就越简化。 这种算法的实质，是通过比较新平滑数据点与已保留的最后一个抽稀点的位置来决定取舍。只要两者距离足够远，就接受新点；否则直接舍弃。这样既能消除笔迹中的微小抖动，又能大幅降低数据处理量。 在交互式演示中，原始数据点用蓝色绘制，抽稀后的点用黑色绘制，抽稀方框则以粉色显示。你可以通过拖动右下角的滑块，直观地调整抽稀的激进度。尝试随意绘制一个符号，然后逐渐增大方框尺寸，你会发现：即使抽稀相当激进，大多数笔画的基本形态仍然能够被保留。Groner的实验表明，即使丢弃约百分之七十的原始数据点，依然可以获得令人满意的识别效果。 这一简洁规则背后，揭示了一个重要原理：形状信息远没有想象中那么依赖高密度的点采样。有时候，少即是多。

打开网易新闻 查看精彩图片