推广者

道格拉斯

Douglas-Peucker算法将删除导致偏差小于泛化容限，请但其余顶点的位置不变。因此，该算法很好地减少了一条直线上的点数，它不擅长保持线条相对于其他实体的形状或空间关系。

对应参数：

• 保留共享边界
• 泛化容限

薄的

精简算法将删除小于泛化容限距相邻顶点的距离。起点和终点不会移动，除非被稀释的特征的整个长度小于公差，在这种情况下，特征将被保存最终坐标的点特征替换。

对应参数：

• 泛化容限

薄的没有点

细无点算法将删除小于泛化容限距相邻顶点的距离。起点和终点不会移动，即使被稀释的特征的整个长度小于公差，在这种情况下，特征被连接第一个点和最后一个点的线性特征替换。

对应参数：

• 保留共享边界
• 泛化容限

德沃

Deveau算法删除对特征整体形状贡献较小的顶点，并且可以在功能工作时在最初不在功能中的位置引入新的顶点。算法的内在行为使顶点的z坐标无效，以及任何措施。因此，输出特征始终是二维的，对他们没有任何措施。它需要平滑系数参数和锐度角要指定的参数。

对应参数：

• 保留共享边界
• 泛化容限
• 平滑系数
• 锐度角

王

王算法将迭代组合，消除并放大折弯，直到输入线特征没有小于给定公差值的折弯。

对应参数：

• 保留共享边界
• 泛化容限

麦克马斯特

麦克马斯特算法通过首先获取每个点的X和Y坐标的平均值以及一些相邻点来计算每个点的新位置。然后根据指定的位移值将平均点向原始点滑动。总体效果是，每个点都将被拉向其相邻点。

对应参数：

• 保留共享边界
• 邻居数
• 位移百分比

麦克马斯特加权距离

麦克马斯特加权距离算法执行与麦克马斯特算法相同的操作，只是它使用反向距离加权来考虑从每个邻居到移动点的距离。总体效果是，距离更远的点的“拉力”比靠近点的要小。

这个加权功率参数仅由麦克马斯特加权距离算法使用。它用于确定每个相邻点的权重。

注：对于线条，麦克马斯特算法不会改变第一个和最后一个n点（其中n是相邻点的数量）。因为他们没有足够的邻居来计算平均值。对于多边形，使用环绕，以更改多边形中的每个点。对于相邻的多边形和保留共享边界选项，共线部分的边界将被平滑在一起。其边界的其余部分将平滑为线条。这意味着相邻多边形不会使用环绕。

对应参数：

• 保留共享边界
• 邻居数
• 位移百分比
• 加权功率

努尔布菲特

nurbfit算法将使用给定多项式次数的B样条曲线拟合直线。得到的直线将跟随给定段长度的曲线。学位越高，线条越平滑。使用的一个例子是平滑轮廓线以消除尖峰并模拟制图师的工作。

对应参数：

• 保留共享边界
• 基多项式次数
• 分段长度

拐点

拐点算法将计算一条直线上拐点的位置，并返回这些点的列表。拐点是线条弯曲度的度量。

对应参数：

• 邻居数

正交距离回归

该算法将特征的几何图形替换为一条直线，使其与原始几何图形点之间的正交距离最小化。正交距离是指点与线之间的最短（垂直）距离。

对应参数：

• 无