这是一种无需重采样即可提供均匀分布的简单方法。
为简单起见,假设外边界圆的中心(半径r_outer)位于(0, 0),内圆边界(半径)的中心r_inner位于(x_inner, y_inner)。
分别写出D外圆盘、H1由偏心内孔给出的平面子集以及半径H2为、中心为 的中心圆盘。r_inner(0, 0)
现在假设我们忽略内圆不是中心的事实,而不是D-H1从中采样D-H2(这很容易统一完成)。那么我们就犯了两个错误:
A = H1 - H2进行采样,即使这些样本不应该出现在结果中。B = H2 - H1我们从未采样过,尽管我们应该采样但事情是这样的:区域A和B是全等的:给定平面上的任何点,当且仅当在 中时, 是 在 中,并且当且仅当在 中时 是!该地图表示围绕该点旋转 180 度。所以有一个简单的技巧:从 生成,如果我们最终得到 中的某些内容,则旋转以获得 的对应点。(x, y)(x, y)H2(x_inner - x, y_inner - y)H1(x, y)A(x_inner - x, y_inner - y)B(x, y) -> (x_inner - x, y_inner - y)(0.5*x_inner, 0.5*y_inner)D - H2H1 - H2H2 - H1
这是代码。请注意使用均匀分布的平方根来选择半径:这是一个标准技巧。例如,请参阅这篇文章。
import math
import random
def sample(r_outer, r_inner, x_inner, y_inner):
"""
Sample uniformly from (x, y) satisfiying:
x**2 + y**2 <= r_outer**2
(x-x_inner)**2 + (y-y_inner)**2 > r_inner**2
Assumes that the inner circle lies inside the outer circle;
i.e., that hypot(x_inner, y_inner) <= r_outer - r_inner.
"""
# Sample from a normal annulus with radii r_inner and r_outer.
rad = math.sqrt(random.uniform(r_inner**2, r_outer**2))
angle = random.uniform(-math.pi, math.pi)
x, y = rad*math.cos(angle),rad*math.sin(angle)
# If we're inside the forbidden hole, reflect.
if math.hypot(x - x_inner, y - y_inner) < r_inner:
x, y = x_inner - x, y_inner - y
return x, y
Run Code Online (Sandbox Code Playgroud)
以及由以下命令生成的示例图:
import matplotlib.pyplot as plt
samples = [sample(5, 2, 1.0, 2.0) for _ in range(10000)]
xs, ys = zip(*samples)
plt.scatter(xs, ys, s=0.1)
plt.axis("equal")
plt.show()
Run Code Online (Sandbox Code Playgroud)