CN106504298A - 曲线绘制方法及装置 - Google Patents
曲线绘制方法及装置 Download PDFInfo
- Publication number
- CN106504298A CN106504298A CN201610842289.0A CN201610842289A CN106504298A CN 106504298 A CN106504298 A CN 106504298A CN 201610842289 A CN201610842289 A CN 201610842289A CN 106504298 A CN106504298 A CN 106504298A
- Authority
- CN
- China
- Prior art keywords
- point
- characteristic point
- value
- data
- minimum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims description 94
- 239000000284 extract Substances 0.000 claims description 64
- 238000009877 rendering Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 239000012634 fragment Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940068517 fruit extracts Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种曲线绘制方法及装置。其中,该方法包括:获取构成曲线的数据点;将数据点分为多个段;依次从多个段中的每个段提取特征点,其中,特征点用于表征该段对应曲线的特征;使用每个段中提取出的特征点绘制曲线。本发明解决了提取算法提取特征点的准确率低的技术问题。
Description
技术领域
本发明涉及图像绘制领域,具体而言,涉及一种曲线绘制方法及装置。
背景技术
传统的定量提取算法中,道格拉斯-普克算法及其改进算法是将曲线近似表示为一系列点,并减少点的数量的方式,在效果上可以呈现数据的整体趋势,但道格拉斯-普克算法的复杂度过高,一般计算机难以实现该算法。而简单的间隔提取算法在性能上最优,但提取的特征点往往与数据本身的真实趋势相差很大,很容易导致最终的特征点显示的整体趋势与原有趋势相差很大,准确率低。
针对上述提取算法提取特征点的准确率的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种曲线绘制方法及装置,以至少解决提取算法提取特征点的准确率低的技术问题。
根据本发明实施例提供了一种曲线绘制方法,包括:获取构成曲线的数据点;将数据点分为多个段;依次从多个段中的每个段提取特征点,其中,特征点用于表征该段对应曲线的特征;使用每个段中提取出的特征点绘制曲线。
进一步地,从多个段中的每个段提取特征点包括:从每个段中提取该段数据点中的最大值和最小值;将最大值和最小值作为该段的特征点。
进一步地,从每个段中提取该段数据点中的最大值和最小值的包括:获取该段数据点中的起始的至少两个数据点;将至少两个数据点中数值最大的数据点的值赋值给最大值,数值最小的数据点的值赋值给最小值;依次将至少两个数据点之后的数据点与赋值之后的最大值或最小值进行比较,并且在大于最大值或者小于最小值的情况下,对最大值和最小值进行重新赋值,直到遍历完该段中的所有数据点,以得到该段数据点的最大值和最小值。
进一步地,还包括:判断正在提取特征点的当前段中提取的特征点的数量是否小于阈值;在提取的特征点的数量小于阈值的情况下,获取最近提取到的一个特征点;对最近提取到的一个特征点之后的曲线的数据点重新进行分段之后再进行特征点的提取。
进一步地,从每个段中提取最大值和最小值两个数据点作为特征点,在从当前段中仅提取到一个特征点或者没有提取到特征点的情况下,对最近提取到的一个特征点之后的曲线的数据点重新进行分段。
进一步地,重新进行分段包括:根据剩余的需要提取的特征点的数量对最近提取到的一个特征点之后的曲线的数据点重新进行分段,其中,剩余的需要提取的特征点的数量是根据特征点的总量以及已经提取出的特征点的数量得到的。
进一步地,特征点的总量为预先配置的,和/或,根据绘制曲线的设备的能力计算得到的。
根据本发明还提供了另一种实施例,提供了一种曲线绘制装置,该装置包括:第一获取模块,用于获取构成曲线的数据点;切分模块,用于将数据点分为多个段;第一提取模块,用于依次从多个段中的每个段提取特征点,其中,特征点用于表征该段对应曲线的特征;绘制模块,用于对每个段中提取出的特征点绘制曲线。
进一步地,第一提取模块包括:第二提取模块,用于从每个段中提取该段数据点中的最大值和最小值;配置模块,用于将最大值和最小值作为该段的特征点。
进一步地,第二提取模块包括:第二获取模块,用于获取该段数据点中的起始的至少两个数据点;赋值模块,用于将至少两个数据点中数值最大的数据点的值赋值给最大值,数值最小的数据点的值赋值给最小值;比较模块,用于依次将至少两个数据点之后的数据点与赋值之后的最大值或最小值进行比较,并且在大于最大值或者小于最小值的情况下,对最大值和最小值进行重新赋值,直到遍历完该段中的所有数据点,以得到该段数据点的最大值和最小值。
进一步地,还包括:判断模块,用于判断正在提取特征点的当前段中提取的特征点的数量是否小于阈值;第三获取模块,用于在提取的特征点的数量小于阈值的情况下,获取最近提取到的一个特征点;第三提取模块,用于对最近提取到的一个特征点之后的曲线的数据点重新进行分段之后再进行特征点的提取。
进一步地,还包括:第一重新分段模块,用于在从每个段中提取最大值和最小值两个数据点作为特征点,在从当前段中仅提取到一个特征点或者没有提取到特征点的情况下,对最近提取到的一个特征点之后的曲线的数据点重新进行分段。
进一步地,还包括:第二重新分段模块,用于根据剩余的需要提取的特征点的数量对最近提取到的一个特征点之后的曲线的数据点重新进行分段,其中,剩余的需要提取的特征点的数量是根据特征点的总量以及已经提取出的特征点的数量得到的。
进一步地,特征点的总量为预先配置的,和/或,根据绘制曲线的设备的能力计算得到的。
在本发明实施例中,采用了先获取构成曲线的数据点,之后将数据点分为多个段,然后依次从多个段中的每个段提取特征点,最后使用每个段中提取出的特征点绘制曲线的方式,通过相应的软件,达到了绘制曲线的目的,从而实现了反映曲线数据的整体趋势的技术效果,进而解决了提取算法提取特征点的准确率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的曲线绘制方法的流程图;
图2是根据本发明实施例的一种可选的曲线绘制方法的流程图;
图3是根据本发明实施例的曲线绘制装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种曲线绘制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的曲线绘制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取构成曲线的数据点;
步骤S104,将数据点分为多个段;
步骤S106,依次从多个段中的每个段提取特征点,其中,特征点用于表征该段对应曲线的特征;
步骤S108,使用每个段中提取出的特征点绘制曲线。
采用上述实施例,在获取构成曲线的数据点之后,将数据点分为多个段(对数据曲线进行分段时,分段的数量取决于提取特征点的量),然后依次从多个段中的每个段提取特征点,使用每个段中提取出的特征点绘制曲线。在该实施例中,在绘制曲线之前,对获取到的数据点进行分段,并从每个段中提取特征点,这样,提取每段对应曲线的特征点,通过动态分段提取特征点,能在定量的情况下保证最关键的特征点被提取出来,同时在点稀疏的情况下,能尽可能的利用定量的点配额,尽可能的反映曲线数据的整体趋势,通过该实施例,达到了准确绘制曲线的目的,并可以真实反映曲线数据的整体趋势,解决了提取算法提取特征点的准确率低的技术问题。
上述实施例中,从每段中提取出的特征点用于表征该段对应曲线的特征,可选地,每段中可以包括或不包括数据点,在段中包括数据点的情况下,该段中可以包括一个或多个数据点。
在上述实施例中,步骤S102,获取构成曲线的数据点,从数据库中读取构成该曲线的数据点,例如,可以预先采集数据点,将数据点保存入数据库中,在需要构建曲线时,从数据库中读取用于构成该曲线的数据点。
根据上述实施例,步骤S104,将数据点分为多个段,具体地,可以根据需要提取的特征点的数量和在每个段中提取特征点的数量确定分段的数量,这里的需要提取的特征点的数量可以为需要提取的特征点的数量的最小值,例如,需要提取的特征点的数量为20,如果在每个段中提取两个特征点,则需要将获取到的数据点分为10段。
需要说明的是,这里对数据点进行分段时,每个段的范围可以基于曲线的横轴范围来确定。这里对数据点进行分段时,每个段的范围也可以基于曲线的竖轴范围来确定。
在该实施例中,从段中提取特征点的过程中,依次从多个段中的每个段提取特征点,从而可以在提取特征点的过程中,动态分段,而不是在一开始就固定好全部数据点的范围,从而可以使得提取的特征点更能表示该点所在段对应曲线的数据趋势(如,特征)。
在一个可选的实施例中,可以基于当前段中数据点的值确定的下述至少之一,作为该段的特征点:中值、极值和平均值。
可选地,从多个段中的每个段提取特征点可以包括:从每个段中提取该段数据点中的最大值和最小值,以及将最大值和最小值作为该段的特征点。在该实施例中,将该段中数值最大和最小的值作为该段的特征点,可以将该段的特征准确地表示出来,从而在绘制曲线时可以使得曲线的数据趋势更加准确。
具体地,从每个段中提取该段数据点中的最大值和最小值的包括:获取该段数据点中的起始的至少两个数据点;将至少两个数据点中数值最大的数据点的值赋值给最大值,数值最小的数据点的值赋值给最小值;依次将至少两个数据点之后的数据点与赋值之后的最大值或最小值进行比较,并且在大于最大值或者小于最小值的情况,对最大值和最小值进行重新赋值,直到遍历完该段中的所有数据点,以得到该段数据点的最大值和最小值。
本发明实施例根据提取特征点的数量设置分段,当首次处理分段后的数据点时,把当前数据点分别赋给该分段(即上述实施例的段)的最大值和最小值,而后续数据点与该分段的最大值、最小值比较,当当前数据点大于最大值时,用当前数据点更新最大值,当当前数据点小于最小值时,用当前数据点更新最小值,保证了最关键的特征点被提取;进一步地,对于每个段的数据点中的最大值和最小值分开赋值,当出现需要更新的数值时,依据上述方式更新数据点的最大值或最小值,这样,数据点的最大值和最小值不断变化,提取出的特征点所表示的整体趋势会更接近实际曲线趋势。
本发明实施例的方法还可以包括:判断正在提取特征点的当前段中提取的特征点的数量是否小于阈值;在小于阈值的情况下,获取最近提取到的一个特征点;对最近提取到的一个特征点之后的曲线的数据点重新进行分段之后再进行特征点的提取。本发明实施例对于特征点的确定做一个准确判断,根据设定的阈值与从分段(即上述的当前段)中提取出的特征点的数量作比较,以判断是否需要重新分段,从而实现动态分段,以准确确定曲线整体趋势。
具体地,可以预先设置阈值,例如,阈值设置为2,在从当前段中提取出的特征点的数量小于2的情况下,确定需要重新分段。
可选地,在确定需要重新分段的情况下,获取最近提取到的一个特征点,对该最近提取到的一个特征点所属的段之后的曲线的数据点进行重新分段,并在重新分段之后再提取特征点。
另一种可选地,在确定需要重新分段的情况下,对该最近提取到的一个特征点之后的曲线的数据点进行重新分段,并在重新分段之后再提取特征点。
在一个可选的实施例中,在本发明实施例中需要从每个段中提取最大值和最小值两个数据点作为特征点,在从当前段中仅提取到一个特征点或者没有提取到特征点的情况下,对最近提取到的一个特征点之后的曲线的数据点重新进行分段,这样本发明实施例在特征点没有或仅有一个特征点的情况下,可以对数据点重新进行分段。
在获取到的数据点稀疏(如,获取到的数据点的数量小于预定阈值,该阈值可以为100)的情况下,在处理完当前段时(如,从当前段中提取出特征点),如果发现当前段中只能提取出一个特征点(此时,表示当前段的范围内只有一个数据点)或者没有提取到特征点(此时,该段内没有数据点),那就根据剩余的点配额,重新设置分段(即重新进行分段),此时,分段范围只会更小,把前面分段没有用到的点配额动态分配给了后续的分段,得到的特征点更加准确,也更能反应曲线的趋势。
具体地,重新进行分段包括:根据剩余的需要提取的特征点的数量对最近提取到的一个特征点之后的曲线的数据点重新进行分段,其中,剩余的需要提取的特征点的数量是根据特征点的总量以及已经提取出的特征点的数量得到的。当重新设置分段时,重新分段的数量取决于剩余特征点配额的量,剩余特征点配额(即剩余的需要提取的特征点的数量)是预计要提取的特征点数量(即特征点的总量)减去已经提取出的特征点数量,可以达到将特征点进行更合理的分配。
其中,剩余的需要提取的特征点的数量是基于需要提取的特征点的总的数量和已经提取的特征点的数量确定的,如,将需要提取的特征点的总的数量(即预计要提取的特征点数量)与已经提取的特征点数量的差值作为剩余的需要提取的特征点的数量。
重新分段的数量可以基于剩余特征点配额与每段预计提取出的特征点的数量而确定,如,将剩余特征点配额与每段预计提取出的特征点的数量的比值作为重新分段的数量。
通过上述实施例,根据剩余的点配额动态重置分段,在保证特征点不会超过定量的情况下,利用点配额提取尽可能多的特征点,从而尽可能的反映曲线数据的整体趋势,提高提取效果。
可选地,特征点的总量为预先配置的,和/或,根据绘制曲线的设备的能力计算得到的。
软件绘制数据曲线时,为了更详细的看到数据的趋势,往往要求计算机提取尽可能多的点来进行呈现,这无疑会增加计算机处理数据时的负担,且在呈现数据曲线的显示设备分辨率有限的情况下,提取过多的点并不能增强呈现数据整体趋势时的效果(如,显示分辨率在横向为1024,那提取过多的点也呈现不出效果,反而会增加计算机程序处理数据时的负载),因此在软件绘制数据曲线时,定量提取曲线数据的特征点具有很好的意义。
下面以一个具体地实施例为例对本发明进行说明,具体实施方式如下:
图2是根据本发明的一个曲线绘制方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,根据提取特征点的数量对曲线数据进行分段,并把第一个分段作为当前分段。
本发明实施例中对数据曲线进行分段时,分段的数量取决于提取特征点的量。如曲线数据点的横轴范围为Ts到Te,需要提取不多于N个特征点,由于每个分段只提取该分段内的最大值和最小值,那么每个分段最多两个特征,因此分段的数量为[N/2],就是N/2取整,每个分段的范围就是(Te-Ts)/[N/2]。
步骤S204,执行读取曲线数据范围内的数据点的操作。
步骤S206:判断是否读取到数据点。
如果读取成功(即读取到数据点),则执行步骤S208;否则(即没有读取到数据点),表示曲线数据范围内的数据点已经处理完毕,结束流程。
步骤S208:用当前分段处理当前读取到的数据点。
步骤S210:判断当前读取到的数据点是否在当前分段范围内。
如果在当前分段范围内,则执行步骤S210,用此数据点维护当前分段的最大值和最小值,并转到步骤S204继续读取新的数据点;否则,也即如果该数据点不在当前分段范围内,则保存当前分段的特征点(当最大或最小值为空时,表示该分段内没有数据点,当最大、最小值相等时,表示该分段内就一个数据点,也就是从该分段中只提取一个特征点),并执行步骤S212。
步骤S212:如果当前分段中有最大和最小值,判断两者是否不为同一点。
如果两者不是同一点,则执行步骤S214;如果两者是同一点,则执行步骤S216。
步骤S214:将当前分段的下一分段设置为当前分段,并执行步骤S20。
步骤S216:以当前数据点为始重新设置分段,分段数剩余点配合确定。
步骤S218:重新分段后的第一个分段作为当前分段,并执行步骤S204。
在上述实施例中,如果当前分段中有最大、最小值,且二者不为同一点(此时表示提取到两个特征点,此时不用后续特征点配额不会改变,因此不需要重置分段),就把当前分段的下一个分段作为当前分段,并处理当前数据点,然后继续读取新数据点进行处理。
进一步地,如果当前分段中没有最大、最小值,且两者是同一点,就计算剩余特征点配额(剩余特征点配额是预计要提取的特征点数量减去已经提取的特征点数量),并根据剩余特征点配额对从当前数据点开始的曲线数据进行重新分段,并把重新分段后的第一个分段作为当前分段,然后处理当前数据点,处理完成后继续读取新数据点进行处理。
本发明实施例根据预置的定量对整个曲线数据进行分段,且每段内只需找到最大、最小值,这样能保证最关键的特征点被提取,从根本上保证了提却的效果。本发明实施例在提取特征点时,只遍历数据一次,相对于道格拉斯算法,大大降低了算法的复杂度,提高了提取的效率和性能,同时通过动态分段提取特征点,能在定量的情况下保证最关键的特征点被提取出来,在点稀疏的情况下,能尽可能的利用定量的点配额,尽可能的反映曲线数据的整体趋势,通过该实施例,达到了准确绘制曲线的目的,并可以真实反映曲线数据的整体趋势,解决了提取算法提取特征点的准确率低的技术问题。
根据本发明实施例的另一方面,还提供了一种曲线绘制装置,如图3所示,该装置包括:第一获取模块11,用于获取构成曲线的数据点;切分模块12,用于将数据点分为多个段;第一提取模块13,用于依次从多个段中的每个段提取特征点,其中,特征点用于表征该段对应曲线的特征;绘制模块14,用于对每个段中提取出的特征点绘制曲线。
采用上述实施例,在获取模块获取构成曲线的数据点之后,通过切分模块将数据点分为多个段(对数据曲线进行分段时,分段的数量取决于提取特征点的量),然后利用第一提取模块依次从多个段中的每个段提取特征点,使用绘制模块对每个段中提取出的特征点绘制曲线。在该实施例中,在绘制曲线之前,对获取到的数据点进行分段,并从每个段中提取特征点,这样,提取每段对应曲线的特征点,通过动态分段提取特征点,能在定量的情况下保证最关键的特征点被提取出来,同时在点稀疏的情况下,能尽可能的利用定量的点配额,尽可能的反映曲线数据的整体趋势,通过该实施例,达到了准确绘制曲线的目的,并可以真实反映曲线数据的整体趋势,解决了提取算法提取特征点的准确率低的技术问题。
上述实施例中,从每段中提取出的特征点用于表征该段对应曲线的特征,可选地,每段中可以包括或不包括数据点,在段中包括数据点的情况下,该段中可以包括一个或多个数据点。
在上述实施例中,获取构成曲线的数据点,从数据库中读取构成该曲线的数据点,例如,可以预先采集数据点,将数据点保存入数据库中,在需要构建曲线时,从数据库中读取用于构成该曲线的数据点。
根据上述实施例,将数据点分为多个段,具体地,可以根据需要提取的特征点的数量和在每个段中提取特征点的数量确定分段的数量,这里的需要提取的特征点的数量可以为需要提取的特征点的数量的最小值,例如,需要提取的特征点的数量为20,如果在每个段中提取两个特征点,则需要将获取到的数据点分为10段。
需要说明的是,这里对数据点进行分段时,每个段的范围可以基于曲线的横轴范围来确定。这里对数据点进行分段时,每个段的范围也可以基于曲线的竖轴范围来确定。
在该实施例中,从段中提取特征点的过程中,依次从多个段中的每个段提取特征点,从而可以在提取特征点的过程中,动态分段,而不是在一开始就固定好全部数据点的范围,从而可以使得提取的特征点更能表示该点所在段对应曲线的数据趋势(如,特征)。
本发明实施例中对曲线绘制装置做出了描述,其中第一获取模块根据预先设置的特征点的总量获取曲线的数据点,之后切分模块对于获取的数据点分段,然后第一提取模块设置数据点分段提取最大值、最小值,并找出特征点,最后绘制模块根据第一提取模块提取出的特征点在软件上绘制出曲线整体趋势。对于本发明实施例通过动态分段,最大限度利用点配额,尽可能地反映曲线数据的整体趋势,提高了提取效果。
进一步地,所述第一提取模块包括:第二提取模块,用于从每个段中提取该段数据点中的最大值和最小值;配置模块,用于将最大值和最小值作为该段的特征点。在该实施例中,将该段中数值最大和最小的值作为该段的特征点,可以将该段的特征准确地表示出来,从而在绘制曲线时可以使得曲线的数据趋势更加准确。
进一步地,所述第二提取模块包括:第二获取模块,用于获取该段数据点中的起始的至少两个数据点;赋值模块,用于将至少两个数据点中数值最大的数据点的值赋值给最大值,数值最小的数据点的值赋值给最小值;比较模块,用于依次将至少两个数据点之后的数据点与赋值之后的最大值或最小值进行比较,并且在大于最大值或者小于最小值的情况,对最大值和最小值进行重新赋值,直到遍历完该段中的所有数据点,以得到该段数据点的最大值和最小值。
本发明实施例根据提取特征点的数量设置分段,当首次处理分段后的数据点时,把当前数据点分别赋给该分段(即上述实施例的段)的最大值和最小值,而后续数据点与该分段的最大值、最小值比较,当当前数据点大于最大值时,用当前数据点更新最大值,当当前数据点小于最小值时,用当前数据点更新最小值,保证了最关键的特征点被提取;进一步地,对于每个段的数据点中的最大值和最小值分开赋值,当出现需要更新的数值时,依据上述方式更新数据点的最大值或最小值,这样,数据点的最大值和最小值不断变化,提取出的特征点所表示的整体趋势会更接近实际曲线趋势。
进一步地,还包括:判断模块,用于判断正在提取特征点的当前段中提取的特征点的数量是否小于阈值;第三获取模块,用于在小于阈值的情况下,获取最近提取到的一个特征点;第三提取模块,用于对最近提取到的一个特征点之后的曲线的数据点重新进行分段之后再进行特征点的提取。
进一步地,还包括:第一重新分段装置,用于在从每个段中提取最大值和最小值两个数据点作为特征点,在从当前段中仅提取到一个特征点或者没有提取到特征的情况下,对最近提取到的一个特征点之后的曲线的数据点重新进行分段。
进一步地,还包括:第二重新分段装置,用于根据剩余的需要提取的特征点的数量对最近提取到的一个特征点之后的曲线的数据点重新进行分段,其中,剩余的需要提取的特征点的数量是根据特征点的总量以及已经提取出的特征点的数量得到的。
通过上述实施例,根据剩余的点配额动态重置分段,在保证特征点不会超过定量的情况下,利用点配额提取尽可能多的特征点,从而尽可能的反映曲线数据的整体趋势,提高提取效果。
进一步地,特征点的总量为预先配置的,和/或,根据绘制曲线的设备的能力计算得到的。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种曲线绘制方法,其特征在于,包括:
获取构成曲线的数据点;
将所述数据点分为多个段;
依次从所述多个段中的每个段提取特征点,其中,所述特征点用于表征该段对应曲线的特征;
使用所述每个段中提取出的特征点绘制所述曲线。
2.根据权利要求1所述的方法,其特征在于,从所述多个段中的每个段提取特征点包括:
从所述每个段中提取该段数据点中的最大值和最小值;
将所述最大值和所述最小值作为该段的特征点。
3.根据权利要求2所述的方法,其特征在于,从所述每个段中提取该段数据点中的最大值和最小值的包括:
获取该段数据点中的起始的至少两个数据点;
将所述至少两个数据点中数值最大的数据点的值赋值给最大值,数值最小的数据点的值赋值给最小值;
依次将所述至少两个数据点之后的数据点与赋值之后的最大值或最小值进行比较,并且在大于最大值或者小于最小值的情况下,对所述最大值和所述最小值进行重新赋值,直到遍历完该段中的所有数据点,以得到该段数据点的最大值和最小值。
4.根据权利要求1至3中任一项所述的方法,其特征在于,还包括:
判断正在提取特征点的当前段中提取的特征点的数量是否小于阈值;
在所述提取的特征点的数量小于阈值的情况下,获取最近提取到的一个特征点;
对所述最近提取到的一个特征点之后的所述曲线的数据点重新进行分段之后再进行特征点的提取。
5.根据权利要求4所述的方法,其特征在于,从所述每个段中提取最大值和最小值两个数据点作为特征点,在从所述当前段中仅提取到一个特征点或者没有提取到特征点的情况下,对所述最近提取到的一个特征点之后的所述曲线的数据点重新进行分段。
6.根据权利要求4所述的方法,其特征在于,重新进行分段包括:
根据剩余的需要提取的特征点的数量对所述最近提取到的一个特征点之后的所述曲线的数据点重新进行分段,其中,所述剩余的需要提取的特征点的数量是根据特征点的总量以及已经提取出的特征点的数量得到的。
7.根据权利要求6所述的方法,其特征在于,所述特征点的总量为预先配置的,和/或,根据绘制所述曲线的设备的能力计算得到的。
8.一种曲线绘制装置,其特征在于,该装置包括:
第一获取模块,用于获取构成曲线的数据点;
切分模块,用于将所述数据点分为多个段;
第一提取模块,用于依次从所述多个段中的每个段提取特征点,其中,所述特征点用于表征该段对应曲线的特征;
绘制模块,用于对所述每个段中提取出的特征点绘制所述曲线。
9.根据权利要求8所述的装置,其特征在于,所述第一提取模块包括:
第二提取模块,用于从所述每个段中提取该段数据点中的最大值和最小值;
配置模块,用于将所述最大值和所述最小值作为该段的特征点。
10.根据权利要求9所述的装置,其特征在于,所述第二提取模块包括:
第二获取模块,用于获取该段数据点中的起始的至少两个数据点;
赋值模块,用于将所述至少两个数据点中数值最大的数据点的值赋值给最大值,数值最小的数据点的值赋值给最小值;
比较模块,用于依次将所述至少两个数据点之后的数据点与赋值之后的最大值或最小值进行比较,并且在大于最大值或者小于最小值的情况下,对所述最大值和所述最小值进行重新赋值,直到遍历完该段中的所有数据点,以得到该段数据点的最大值和最小值。
11.根据权利要求8至10中任一项所述的装置,其特征在于,还包括:
判断模块,用于判断正在提取特征点的当前段中提取的特征点的数量是否小于阈值;
第三获取模块,用于在所述提取的特征点的数量小于阈值的情况下,获取最近提取到的一个特征点;
第三提取模块,用于对所述最近提取到的一个特征点之后的所述曲线的数据点重新进行分段之后再进行特征点的提取。
12.根据权利要求11所述的装置,其特征在于,还包括:
第一重新分段模块,用于在从所述每个段中提取最大值和最小值两个数据点作为特征点,在从所述当前段中仅提取到一个特征点或者没有提取到特征点的情况下,对所述最近提取到的一个特征点之后的所述曲线的数据点重新进行分段。
13.根据权利要求11所述的装置,其特征在于,还包括:
第二重新分段模块,用于根据剩余的需要提取的特征点的数量对所述最近提取到的一个特征点之后的所述曲线的数据点重新进行分段,其中,所述剩余的需要提取的特征点的数量是根据特征点的总量以及已经提取出的特征点的数量得到的。
14.根据权利要求13所述的装置,其特征在于,所述特征点的总量为预先配置的,和/或,根据绘制所述曲线的设备的能力计算得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610842289.0A CN106504298B (zh) | 2016-09-22 | 2016-09-22 | 曲线绘制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610842289.0A CN106504298B (zh) | 2016-09-22 | 2016-09-22 | 曲线绘制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106504298A true CN106504298A (zh) | 2017-03-15 |
CN106504298B CN106504298B (zh) | 2019-07-23 |
Family
ID=58290408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610842289.0A Active CN106504298B (zh) | 2016-09-22 | 2016-09-22 | 曲线绘制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504298B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492345A (zh) * | 2018-01-24 | 2018-09-04 | 西安理工大学 | 一种基于尺度变换的数据块划分方法 |
CN109955902A (zh) * | 2017-12-26 | 2019-07-02 | 杭州海康威视数字技术股份有限公司 | 轨迹线绘制方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6480195B1 (en) * | 1998-09-04 | 2002-11-12 | George Mason University | Method and apparatus for generating a straight line |
CN101982820A (zh) * | 2010-11-22 | 2011-03-02 | 北京航空航天大学 | 一种大数据量的曲线显示查询方法 |
CN102693361A (zh) * | 2012-05-07 | 2012-09-26 | 北京航空航天大学 | 一种大数据量的趋势曲线绘制方法 |
CN102693294A (zh) * | 2012-05-16 | 2012-09-26 | 河南辉煌科技股份有限公司 | 长时间变化趋势曲线绘制方法 |
CN102708578A (zh) * | 2012-05-16 | 2012-10-03 | 河南辉煌科技股份有限公司 | 实时曲线绘制方法 |
US8810579B2 (en) * | 2006-05-22 | 2014-08-19 | Raphael L. Levien | Method and apparatus for interactive curve generation |
-
2016
- 2016-09-22 CN CN201610842289.0A patent/CN106504298B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6480195B1 (en) * | 1998-09-04 | 2002-11-12 | George Mason University | Method and apparatus for generating a straight line |
US8810579B2 (en) * | 2006-05-22 | 2014-08-19 | Raphael L. Levien | Method and apparatus for interactive curve generation |
CN101982820A (zh) * | 2010-11-22 | 2011-03-02 | 北京航空航天大学 | 一种大数据量的曲线显示查询方法 |
CN102693361A (zh) * | 2012-05-07 | 2012-09-26 | 北京航空航天大学 | 一种大数据量的趋势曲线绘制方法 |
CN102693294A (zh) * | 2012-05-16 | 2012-09-26 | 河南辉煌科技股份有限公司 | 长时间变化趋势曲线绘制方法 |
CN102708578A (zh) * | 2012-05-16 | 2012-10-03 | 河南辉煌科技股份有限公司 | 实时曲线绘制方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109955902A (zh) * | 2017-12-26 | 2019-07-02 | 杭州海康威视数字技术股份有限公司 | 轨迹线绘制方法、装置及电子设备 |
CN109955902B (zh) * | 2017-12-26 | 2020-02-18 | 杭州海康威视数字技术股份有限公司 | 轨迹线绘制方法、装置及电子设备 |
CN108492345A (zh) * | 2018-01-24 | 2018-09-04 | 西安理工大学 | 一种基于尺度变换的数据块划分方法 |
CN108492345B (zh) * | 2018-01-24 | 2021-12-03 | 广州华资软件技术有限公司 | 一种基于尺度变换的数据块划分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106504298B (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555847B (zh) | 一种基于卷积神经网络的图像处理方法及装置 | |
CN104992240B (zh) | 一种优化拣货路径的方法及装置 | |
CN104731809B (zh) | 对象的属性信息的处理方法及装置 | |
US20160328445A1 (en) | Data Query Method and Apparatus | |
US11615515B2 (en) | Superpixel merging | |
CN110738577A (zh) | 社区发现方法、装置、计算机设备和存储介质 | |
CN106899857A (zh) | 服务器负载调节方法、装置及服务器 | |
CN106933914A (zh) | 多数据表的数据处理方法及装置 | |
CN110969170A (zh) | 一种图像主题色提取方法、装置及电子设备 | |
CN106504298A (zh) | 曲线绘制方法及装置 | |
CN107749044A (zh) | 图像信息的池化方法及装置 | |
CN112784734A (zh) | 一种视频识别方法、装置、电子设备和存储介质 | |
CN111159577B (zh) | 一种社群划分方法、装置、存储介质及电子装置 | |
CN109710542A (zh) | 一种满n叉树构建方法及装置 | |
CN104794726B (zh) | 一种水下图像并行分割方法及装置 | |
CN103116641B (zh) | 获取排序的统计数据的方法及排序装置 | |
CN111309718B (zh) | 一种配网电压数据缺失填补方法及装置 | |
CN106874255A (zh) | 规则匹配方法及装置 | |
CN106909454A (zh) | 一种规则处理方法和设备 | |
CN107038165A (zh) | 一种业务参数获取方法及装置 | |
CN104750834B (zh) | 一种规则的存储方法、匹配方法及装置 | |
CN110297959A (zh) | 数据存储方法、装置、存储介质及边缘服务器 | |
CN106649385A (zh) | 基于HBase数据库的数据排序方法和装置 | |
CN111415360B (zh) | 烟叶图像切割方法、装置、设备和介质 | |
CN113377998A (zh) | 数据加载的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |