I sommar jobbar jag på en teknikavdelning i Västerås. Jag har jobbat på samma företag och på ungefär samma kontor under tre raka somrar. Arbetet är väldigt tekniskt, roligt och utmanande. Till skillnad från många andra sommarjobb på kontor har jag hittat ett där jag får ansvar och får jobba med vanliga arbetsuppgifter. Konkret så jobbar jag med att utveckla verktyg för att förenkla beräkningsarbete med hjälp av till största delen MatLab, GUI-programmering och Java. Den nya objektorienterade stilen i MatLab gör koden betydligt mer tydlig än för några år sedan.

Problemet

Här om dagen ställdes jag inför en liten utmaning. Förenklat gick det ut på att hitta ett polygon som omsluter en samling med komplexa punkter som ligger spridda i planet. Till en början hittade jag inte funktionen som gör detta i MatLab, vilket förstås var konstigt. Jag bestämde mig därför för att hitta en egen algoritm. I detta inlägg skall jag beskriva min algoritm.

Figur 1. Exempel på konvext hölje.

Min Alogritm

Jag ska beskriva min algoritm med hjälp av figur 2. Till att börja med skall jag förklara svårigheten med att hitta höljet. Grejen är att alla punkter ligger osorterade i en struktur. Om punkterna sorteras kring en centrumpunkt kan man använda deras ordning och avståndet från centrum för att lösa problemet. Det tar dock minst O(n log(n)) att göra en linjär sortering. Min algoritm jobbar på den osorterade listan och tar säkert ännu mer tid; jag har inte härlett något bevis.

Tanken är i alla fall att börja med min punkten i x-led och därefter hitta den punkt till vilken k värdet blir maximalt. dvs räkna ut:

max(k_i) = (y_min – y_i)/(x_min – x_i) för i = [alla punkter]. Detta ger dig punkten p_2.

Alla punkter med mindre y-värde än X_min kan uteslutas. Alla punkter med mindre x-värde än p_2 kan också uteslutas för vidare genomläsning.

k_2 hittas sedan genom att hitta den punkt som minimerar:

k_1 – (y_1 – y_i)/(x_1 – x_i) för i = [alla icke uteslutna punkter]

På samma sätt hittas k_a generellt genom:

min(k_a-1 – (y_a-1 – y_i)/(x_a-1 – x_i)) för i = [alla icke uteslutna punkter]

Uträkningen görs för övre halvan av polygonen tills man kommer till punkten som är maximal i x-led. Därefter görs samma algoritm för den undre halvan av polygonen.

Figur 2. Algoritm för konvext hölje.

Prestanda

Prestandan av algoritmen beror på hur många punkter som hamnar i polygonet. Jag gör lika många linjärsök i listan som det blir punkter i polygonet. Det innebär att komplexiteten är O(N*antalet sök). Antalet punkter i det optimala polygonet blir mellan 10 och 25 beroende på dina slumppunkter. Algoritmen är alltså relativt snabb.

Kod

Koden är inte publik.

MatLabs lösning – convex hull

Min algoritm gör samma sak som MatLabs funktion convhull. Convex hull är alltså det Engelska ordet för en omslutande polygon eller ett konvext hölje. En annan bra resurs är http://en.wikipedia.org/wiki/Convex_hull_algorithms som förklarar att den teoretiska minimum tiden för att hitta ett konvext hölje är av storleksordningen O(n log(n)).

Syfte

Programmet syftat till att enkelt förminska alla bilder i en mapp.

Varför?

Eftersom det är jobbigt att editera och förminska var bild för sig när många bilder skall fixas.

Vad krävs för att köra programmet?

Det krävs att du har en licens på matlab runtime. Är du student som jag skall det inte vara några problem, annars är det tyvärr nog inte gratis.

Användning

WYSIWYG.

Ansvar

Jag tar inget ansvar för att någonting fungerar.

Ladda ner ImageResizer

Många författare av tutorials för Matlab GUI rekommenderar att använda Matlabs inbyggda funktion (eller jag kanske ska kalla det för toolbox (?)) som heter guide. Skriv:

>>guide

I kommandofönstret och du får upp ett fönster där det går att placera och konfigurera komponenter i en figur. Detta har sina fördelar för enkla snabba applikationer. Dock har det stora problem om du vill skriva seriösa program. Detta eftersom det är svårt att ha kontroll på dina grafiska objekt. De bakas in i den exporterade figuren med ändelsen fig.

Placera dina komponenter själv

Jag har skrivit mitt program utan att använda guide. Det är lätt att skapa och placera ut komponenter. Som ni kan se nedan, krävs en bit kommando en massa kodning. Föreställa sig hur biffiga koderna för spel som poker och andra tillämpningar där det finns en mångfald av verksamheter. Anyway, tillbaka till att skriva program utan att använda guide. Detta görs genom att ange hantag till fönstret figuren skall skapas i samt positionen i fönstret. Givetvis kan även andra parametrar som färg eller callback konfigureras, precis som inifrån guide. Jag har skrivit mina program som Matlab objekt och använt strategin att lägga ut komponenterna i konstruktorn genom att anropa en utläggningsfunktion, förslagsvis med namnet init gui. Jag sparar mina objekt internt i klassen i en struktur som har tag i alla handtag till komponenterna. Denna struktur initierar jag när jag lägger ut komponenterna.

classdef aClassName < handle
   properties
      handleToGui;
   end
   methods
      function obj = aClassName(varargin)
         ...
         obj.initGui();
         ...
      end
      ...
      function fig = initGui(Obj)
         Obj.handleToGui.fig = figure(...);
         Obj.handleToGui.otherComponentName = ...
         ...
      end
   end
end % classdef

Matlabs function guihandles

Matlab har en funktion som heter guihandles. Den är ganska smidig på många sätt och jag ska förklara varför. Anledningen är att du inte behöver bry dig om att lägga dina komponenter direkt i en struktur när du placerar ut dem eftersom guihandles(parent), ger en struktur med handtag till alla barn (children) som finns i figuren. Genom att kalla på denna kan du initiera handleToGui efter att alla komponenter lagts ut. Denna blir då en struktur med fieldnames givet till de taggnamn (Tag) komponenterna har givits.

Problem med Matlabs function guihandles

Det finns dock en risk med detta som jag tror att Matlab inte har tänkt på. Alternativt är det så att jag och andra har använt funktionen alltför oförsiktigt. Det är nämligen så att gui handles ger handtag till alla grafiska komponenter i figuren. Om du har olika klasser för olika delar av ditt program, t.ex. en separat klass som hanterar en viss typ av plottyta i en del av programmet och en annan klass som gör en liknande uppgift på ett annat ställe kan dessa förstöra för varandra om båda använder guihandles. Guihandles i en subkomponent ger handtagen till hela huvudfiguren (inklusive andra subkomponenter som ligger i den). Om den andra subkomponenten har samma taggnamn på någon komponent kommer dessa att sammanblandas när den aktuella komponenten anropar vad den tror är sin komponent.

Använd inte Matlabs function guihandles

Objektorienterad programmering är för mig en programmeringsmetod för att skapa god struktur. Detta genom att låta varje objekt (klass) sköta sina uppgifter internt och endast kommunicera genom bestämda gränssnitt med omgivningen. Globala variabler som guihandles ger är livsfarligt. I begreppsvärlden strävar man med andra ord efter låg coupling, hög cohesion och väl avgränsade moduler.

Matlab bygger från och med version 2008a på java. Det går att köra de flesta funktioner i java genom Matlabfunktionen (det finns även andra funktioner i samma genre):

javaMethodEDT('Class or object of class', 'method name', ..., Params)

Från och med Matlabs 2008 version går det också att skapa klasser och objekt, vilket förenklar väldigt och skapar struktur. Syntaxen är ganska långt ifrån java och mycket är ärvt från tidigare Matlabversioner, vilket till en början gör det lite krångligt. Jag skall i en artikelserie presentera lite tips och trix vid Matlabprogrammering.

• Jag kommer att gå igenom GUI i form av bland annat träd och kontroller. Dessa hanteras genom Matlabfunktionerna uicontrol och uitree, vilka är en omskrivning av javas komponenter JTree och JButton, JTextField osv. I samband med detta tar jag också upp utläggning av komponenter, som kan ske manuellt och med Matlabs inbyggda programvara Guide.
• Jag kommer att ta upp matlabs get och set metoder, som är lite krångliga men mycket bra vid arbete med objekt.
• Jag går igenom Matlabs funktioner för att spara objekt och förklarar varför det är klokare att spara data i from av datastrukturer.
• Slutligen tänkte jag också ta upp så kallade Callbacks och funktionen ode45, som är bra vid lösning av differentialekvationer. Ode45 kan bland annat användas för att simulera dynamiska system av olika slag. Ett exempel är kraftnätets beteende vid olika förhållanden.

Jag ser mig nu som en duktig Matlabprogrammerare med erfarenhet från två projekt. För mer information om mig och mina uppdrag, vänligen ta kontakt vid david@techonomics.se. Jag har f-skatt och fakturerar per uppdrag eller tar betalt per timme.