Networking 如何将规则的高度栅格转换为不规则的三角形网络？

我正在寻找一种算法，将规则的高度网格（例如1024x1024）转换为三角形的不规则网络。下面是一幅显示三角形不规则网络示例的图像：

---

我在互联网上寻找了一种算法来转换它，但我就是找不到。基本上，三角形密度取决于粗糙度和/或像素误差（光栅化时），或者类似的东西。

我认为网格简化算法可以满足您的要求。我假设大三角形是一个区域内几乎共面三角形的组合

以下是一些讨论：

---

简化确实是最先出现的想法之一。但这并不像本机解决方案那样干净

这种不规则性是通过voronoi细分获得的，原始问题归结为寻找点采样分布

为了找到点，它可以以泊松分布的形式实现，密度由高度图沿x和y的偏导数之和驱动。可以根据经验微调调整测量值（例如，

max

而不是sum）

如果分布遵循泊松分布，则可以更好地避免混叠，但也可以应用其他模式，如扫描线算法，该算法将逐行进行，并根据导数的绝对值确定下一个距离。然而，线之间的距离将是规则的，这将导致沿x的统计一致性，这不如卡尔发布的原始图片好。这就是为什么我在这种情况下提出泊松

泊松分布可以通过在整个地图上使用规则的均匀泊松来简化，然后根据导数绝对值最低的区域进行点修剪

修剪可以分块决定，将整个区域预细分为数百个子块，对于每个块，取该块中导数图的大量采样之和。如果该值较低，则随机删除大量点。使用此方法，块将有机会包含多个点，从而使修剪在统计上保持干净。但是，较大的区块也会导致导数变化较大的区域分辨率较差（原始高度图的二阶导数很强）。因此，应再次进行经验微调，以确定块的理想尺寸

为了缓解修剪块的问题，可以在启动时生成更多的点，并且块可以更小，这将在两个方面带来好处（良好的抗锯齿和良好的局部性）。然而，这将需要更多的CPU时间

---

点分布确定后，这是一个经典的voronoi tesselator，google上有数百个。

只是一个想法。使用递归细分创建地图的良好表示

假设要覆盖的区域是一个三角形。首先检查三角形是否是内部高度的良好近似值。如果是，则将其留在网格中。如果不是，则选择三角形内的一个点，将其拆分为三个三角形，然后继续

---

检查三角形近似值是否容易，计算高度曲线和三角形之间的体积。对于分割点，选择三角形中心更容易，但该方法将生成非常规则的网格。也许可以使用一些统计方法来更快地覆盖数据中的凹凸。我认为使用平均位置是有意义的。

请参阅以下相关问题的答案：

我还在TIN网上找到了这篇文章，其中引用了实际的算法：。请看2.4.2“从网格到锡”