《空间索引使用的意义及网格索引和四叉树索引简单介绍.docx》由会员分享，可在线阅读，更多相关《空间索引使用的意义及网格索引和四叉树索引简单介绍.docx（5页珍藏版）》请在三一办公上搜索。
1、空间索引在介绍空间索引之前，先谈谈什么叫“索引“。对一个数据集做”索引“，是为了提高 对这个数据集检索的效率。书的”名目“就是这本书内容的”索引“，当我们拿到一本新书， 想查看感爱好内容的时候，我们会先查看名目，确定感爱好的内容会在哪些页里，直接翻到 那些页，就OK 了，而不是从第一章节开头翻，一个字一个字地找我们感爱好的内容，直到 找到为止，这种检索内容的效率也太低了，假如一本书没有名目，可以想象有多么不便利 可见书的名目有多重要，索引有多重要啊！现在大家对索引有了感性熟悉，那什么是“空间索引“呢？ ”空间索引“也是”索引“, 是对空间图形集合做的一个”名目“，提高在这个图形集合中查找某个图
2、形对象的效率。比 如说，我们在一个地图图层上进行矩形选择，确定这个图层上哪些图元被这个矩形所完全包 含呢，在没有”空间索引”的状况下，我们会把这个图层上的全部图元，一一拿来与这个矩 形进行几何上的包含推断，以确定究竟哪些图元被完全包含在这个矩形内。您是不是觉得这 样做很合理呢？其实不然，我们先看个网格索引的例子：先确定红色的选择矩形框 所在网格矩阵数组，得到 从min点2, 1 倒max点5, 3, 里网格的点a,bcdefg 把这七个点分别与矩形进行 几何包含比较，最后确定a, b,c三点在选择范围内我们对这个点图层作了网格索引，推断哪些点在这个矩形选择框内，是不需要把这个图 层里全部的点都
3、要与矩形进行几何包含运算的，只对a, b, c, d, e, f, g这七个点做了运算。可 以推想一下，假如一个点图层有十万个点，不建立空间索引，任何地图操作都将对整个图层 的全部图元遍历一次，也就是要For循环10万次；建立索引将使得For循环的次数下降许 多许多，效率自然提高许多！呵呵想必大家都知道空间索引的好处了，也不知不觉向大家介绍了点图层的网格索引, 还有哪些常用的空间索引呢？这些空间索引又该如何实现呢？带着这样的问题，下面介绍几 种常用的空间索引。网格索引网格索引就是在一个地图图层上，按每个小网格宽Aw,高Ah打上匀称的 格网，计算每个图元所占据的网格或者所经过的网格单元集合，7
4、(Xnyn)65点a所在网格二维数组Grid编号为:4a(Xiyi行：(int)(yi-yO)Zh)+1 冽:(int)(xi-x)/ w)+13声明网格二维数组的行数和列数， 也可以通过这个公式来求得210 泗(x.y)1234567(x,y) w 1234567在这些网格单元中，纪录下图元对象的地址或者引用，比如：声明一个对象二 维数组LiSlgrid代表网格的行数，n代表网格的列数，每个数组元素为一个“集合 对象”，用于存储这个网格单元所关联的全部图元的地址或引用，这样网格索引就建立好了。 下一步,我们该怎么用这个网格索引呢？全部的图形显示和操作都可以借助于“空间索引” 来提高效率。举几
5、个例子来说明“空间索引”的使用：一、放大开窗显示,正如上一节介绍的，当我们在地图上画一个矩形想放大地图的时候， 首先得确定放大后的地图在屏幕上需要显示哪些图元？所以，我们需要推断这个地图中有哪 些图元全部或者部分落在这个矩形中。推断步骤：1,确定所画矩形左上角和右下角所在的网格数组元素；即可得到这个矩形所关联掩盖 的全部网格集合；2,遍历这个网格集合中的元素，取到每个网格元素LiSt中所纪录的图元；3,画出这些图元即可。(当然整个过程涉及到两点：1,屏幕坐标和地图坐标的相互 变换；2,窗口裁减，也可以不裁减)二、包含推断，给出一个点Poinl和一个多边形PoIygon,推断点是否在面内，首先推
6、 断这个点所在的网格，是否同时关联这个POlygon,假如不是，表明点不在面 内，假如是，可以下一步的精确解析几何推断，或者精度允许的状况下，即 推断polygon是包含point的。此外，GoOgleMaP应当也是采纳地理网格的方式，对地图图象进行索引的，可见一斑， 网格索引在图形显示，选择，拓扑推断上的广泛应用。但同时也存在很严峻的缺陷：当被索 引的图元对象是线，或者多边形的时候，存在索引的冗余，即一个线或者多边形的引用在多 个网格中都有纪录。随着冗余量的增大，效率明显下降。所以，许多学者提出了各种方法来 改进网格索引，这个将在下面的章节中介绍。而点图元特别适合网格索引，不存在冗余问题。四
7、叉树索引(Quadtree)类似于前面介绍的网格索引,也是对地理空间进行网格划分，对地理空间递归进行四分 来构建四叉树，本文将在一般四叉树的基础上，介绍一种改进的四叉树索引结构。首先，先 介绍一个GlS (Geographic Information System)或者计算机图形学上特别重要的概念一 最小外包矩形(MBR-MinimUm Bounding Rectangle)：X最小外包矩形(MBR-MinimUm Bounding Rectangle)最小外包矩形MBR就是包围图元，且平行于X, Y轴的最小外接矩形。MBR究竟有什么用处呢，为什么要引入这个概念呢？由于，图元的外形是不规章的，
8、而MBR是平行于X, Y轴的规章图形，设想一下，假如全部的图元都是平行于X, Y轴的矩形，那针 对这样的矩形进行几何上的任何推断，是不是要简洁许多呢？不管我们人自己写公式算法或 者编写程序运行，是不是都要比原本简单的图形几何运算要简洁许多呢？答案很明显。然后，我们再介绍一下GIS空间操作的步骤（这个步骤，在前面遗忘向大家 说明白，在这里补充一下）空间数据操作的概要步骤可见，过滤阶段，通过空间索引可以排解掉一些明显不符合条件的图元，得到 后选集合，然后对后选图元集合进行精确几何运算，得到最终结果。大家可能会有这样的疑 问，这样有必要吗？是不是反而把问题简单化了？合适的空间索引只会提高计算机的效率
9、, 没有空间索引，我们无疑要对集合中的每个图元进行精确几何运算,而这样的运算是简单的, 是特别占用CPU的，所以需要空间索引，实行少量的内存和简洁的CUP运算，来尽量削减 那种高耗CUP的精确运算的次数，这样做是完全值得的。至于精确的几何运算究竟简单在 哪里，该如何进行精确的几何运算，将在下面的章节中具体描述，这里主要介绍过滤阶段的 空间索引。现在，让我们来具体了解一下“四叉树索引”。四叉树索引就是递归地对地理空间进行四分，直到自行设定的终止条件（比如每个节 点关联图元的个数不超过3个，超过3个，就再四分），最终形成一颗有层次的四叉树。图 中有数字标识的矩形是每个图元的MBR,每个叶子节点存储
10、了本区域所关联的图元标识列 表和本区域地理范围，非叶子节点仅存储了区域的地理范围。大家可以发觉，同样存在一个 图元标识被多个区域所关联，相应地存储在多个叶子节点上，比如“6 ”所代表的图元，分 别存储在四个分枝上。这样，就存在索引的冗余，与网格索引存在同样的弊端。下面我们介 绍一种改进的四叉树索引，或者说是分层的网格索引。改进的四叉树索引，就是为了避开这种空间索引的冗余，基本改进思路 是：让每个图元的MBR被一个最小区域完全包含“NW 2,5,61 NEfel 1,12J5 SW7 91610可以看出，3和13分别都跨越了两个区域，要被一个最小区域完全包含，就只能是根 节点所代表的区域，2,
11、5跨越了两个区域，6跨越了四个区域，要被一个最小区域完全包含， 就只能是NW区域。怎么推断一个图元被哪个最小区域完全包含呢？从直观上看，递归地 对地理空间进行四分，假如图元与一个区域四分的划分线相交，则这个图元就归属于这个区 域，或者直到不再划分了，那就属于这个不再划分的区域。呵呵。.可能有点绕口，看图， 结合“最小”“完全包含”这两个字眼，您就明白了。这颗四叉树中，图元的标识不再仅仅 存储在叶子节点上，而是每个节点都有可能存储，这样也就避开了索引冗余。同时每个节点 存储本节点所在的地理范围。有了四叉树索引，下面又该如何采用这颗树来关心检索查找呢？还是矩形选择为例吧! （为什么我总是拿这个例子
12、来说事呢？由于这个例子简洁，简洁理解，有代表性！）我们在 地图上画一个矩形，推断地图上哪些图元落在这个矩形里或者和这个所画矩形相交。方法许 多，这里介绍一种简洁的检索步骤，如下：I,首先，从四叉树的根节点开头，把根节点所关联的图元标识都加到一个LiSt里；2,比较此矩形范围与根节点的四个子节点（或者叫子区域）是否有交集（相交或者包 含），假如有，则把相应的区域所关联的图元标识加到LiSt集合中，假如没有，则以下这 颗子树都不再考虑。3,以上过程的递归，直到树的叶子节点终止，返回Lisi。4,从LiSt集合中依据标识一一取出图元，先推断图元MBR与矩形有无交集，假如有， 则进行下面的精确几何推断，假如没有，则不再考虑此图元。（当然，这里只说了一个基本 思路，其实还有其他一些不同的方法，比如，结合空间数据磁盘的物理存储会有一些调整） 总结：改进的四叉树索引解决了线，面对象的索引冗余，具有较好的性能，而被大型 空间数据库引擎所采纳，如ArCSDE, OmdeSPatial等，同时这种结构也适用于空间数据的 磁盘索引，协作空间排序聚类，基于分形的HiIbert算法数据组织，将在空间数据格式的定 义中发挥重要作用。
