The Integration Of Simplification And Smoothing Algorithms In Line Generalization

Abstract

The cartographic generalization of vector data in digital format involves six distinct processes, including simplification, smoothing, enhancement, displacement, merging, and omission. Although the research agenda has addressed each of the six elements individually, little consideration has been given to the geometric interaction of the components. This paper proposes a conceptual model, based on a sequential set of five procedures – or transformations – for the processing of linear digital data. The geometric interaction of simplification and smoothing algorithms is especially emphasized. The first process involves cleaning the digital file, whereby digitizing errors and duplicate coordinate pairs are eliminated. This is followed by a simple smoothing–normally based on weighted-averaging–designed to eliminate the 'gridding' constraints of the digitizing tablet or other encoding device. A third manipulation involves what is called database simplification where a sequential approach (such as Lang tolerancing) is applied in order to prepare the data for storage. At this stage the major concern is with minimizing the geometric modifications of the data, such as areal displacement. For display at a reduced scale, a fourth manipulation in the model utilizes the Douglas routine. At this level, the significant consideration is on critical point selection and, to a lesser extent, error minimization. The fifth and final manipulation entails additional smoothing, such as the application of splines for aesthetical considerations. It is proposed that such a sequential processing of line data (based on this model) will (1) improve the quality of the original digital information, (2) result in minimal database storage with minimal error, and (3) produce the most aesthetically acceptable generalization possible at greatly reduced scales. La généralisation cartographique de données vectorielles en format numérique implique six processus distincts à savoir, la simplification, le lissage, le rehaussement, le déplacement, l'intégration et l'omission. Malgré le grand nombre de recherches sur chacun des six éléments, on peu considéré l'interaction géométrique entre les éléments. Cet article présente donc un modèle conceptuel, basé sur une séquence de cinq procédures, ou transformations, en vue du traitement des données numériques linéaires. On souligne particulièrement l'interaction géométrique entre les algorithmes de simplification et de lissage. La première procédure touche le nettoyage du fichier numérique, en éliminant les erreurs de numérisation et les paires de coordonnées qui s'y sont dédoublées. Un lissage simple est ensuite effectué en utilisant des moyennes pondérées pour éliminer l'effet de quadrillage causé par les tables numérisantes et certains autres outils de codage. Une troisième manipulation vise à préparer les données pour leur entreposage en opérant une simplification de la base de données au moyen d'une approche séquentielle, telle que la tolérance de Lang. À cette étape, il faut principalement minimiser les modifications à la géométrie des données, telles que les déplacements de surface. Dans ce modèle, une quatrième manipulation traite l'affichage à échelle réduite en utilisant la routine de Douglas. Ici, l'emphase est mise sur le choix de points critiques et la minimisation des erreurs. La cinquième et dernière manipulation effectue un lissage additionnel en utilisant, entre autres, les fonctions de lissage ('Splines') à des fins esthétiques. En utilisant ce modèle, on s'attend à ce qu'un tel traitement séquentiel des données linéaires 1 améliore la qualité de l'information numérique originale, 2 réduise les erreurs et 3 produise, à des échelles grandement réduites, la généralisation la plus acceptable et la plus esthétique possible.

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 80 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.