减少图的数据点，同时保持其主要特征答案

【问题标题】：Reducing a graph's datapoints while maintaining its main features减少图的数据点，同时保持其主要特征
【发布时间】：2021-02-20 12:58:52
【问题描述】：

我有大量数据，需要在图表上反复显示。

图表的宽度为 1400 像素。数据包含超过 30,000 个数据点。因此，我想将数据点减少到大约 1400 个左右，同时仍保持图形的主要特征（最大值、最小值等）。

如果您查看 LabVIEW 和 MATLAB 等程序，它们能够通过压缩数据来显示包含大量数据点的图形，而不会丢失图形的主要功能。我无法使用简单的抽取、平均或移动平均，因为这不会保持图表的特征。

有谁知道这些程序正在使用任何算法，或者会给我预期的结果吗？我也对性能算法感兴趣。

【问题讨论】：

我猜他们会进行某种形式的重采样。例如，如果您将图形的宽度减半（但高度保持不变），那么您将使用等于奈奎斯特速率一半的截止频率进行低通滤波器，然后以 2 倍抽取。在 MATLAB 中，您可以使用 @ 987654321@ 这样做。理想情况下，您应该应用 2D 过滤器来调整 2D 大小，但这在计算上可能会很慢。在这种情况下，您可能需要进行硬抽取，然后进行适当的重新采样。
我怀疑双线性插值等典型的快速图像调整技术不适合，因为这仅考虑了计算每个输出像素的 2x2 邻域。（因此您会从图表中丢失很多细节）。

【解决方案1】：

LabVIEW使用max-min decimation algorithm。

从参考资料中可以看出，一系列数据点被压缩为最大值和最小值，然后将两个点绘制在相同的 x 轴值上，并填充两个点之间的垂直像素。

如果您无法控制绘图的每个像素的渲染方式，那么您可以尝试实现类似的方法，例如取八个点，找到最大值和最小值，然后将它们传递给绘图函数/工具（考虑到它们在系列中出现的顺序）- 给你一个四倍的抽取因子。

【讨论】：

【解决方案2】：

我已经将 LabVIEW 中的Ramer–Douglas–Peucker algorithm 用于一个有多个图表不断更新的项目，效果很好！

此算法没有目标点数作为输出，但您可以调整超参数以满足您所需的输出大小。

我没有我的实现与你分享，但算法非常简单，可以很容易地用 LabVIEW 或其他语言实现。在 LabVIEW 中，您可以将其放在 xControl 的定义中，以便从代码中抽象出来并多次使用它。

【讨论】：