在处理矢量化数据时，记录中往往会有很多重复数据，对进一步数据处理带来诸多不便。多余的数据一方面浪费了较多的存储空间，另一方面造成所要表达的图形不光滑或不符合标准。因此要通过某种规则，在保证矢量曲线形状不变的情况下， 最大限度地减少数据点个数，这个过程称为抽稀。

数据经过抽稀后，数量大量减少，并且基本保证能反映原图形或曲线的基本形状特征，能够为进一步的处理节省空间和时间。

抽稀在GIS矢量数据处理，图形数据压缩处理中有广泛的应用。

曲线抽稀的关键是定义抽稀因子，抽稀因子的不同决定的抽稀算法的多样性，在现有抽稀理论中，有按步长，线段长度，垂距等来定义抽稀因子。

步长法

步长法是沿连续曲线每隔一定的步长抽取一点，其余点全部压缩掉，然后在相邻抽取点间用直线连续或曲线拟合逼近。这种方法主要有两点不足：一，曲线上的特征点，如曲线拐弯处，曲线变化较大的点可能因抽稀被压缩掉，导致曲线变形；二，在某些情况下，仍会留下部分多余点无法删除，如曲线中有一段比较直，而步长又较小，会导致此段直线上有多个抽取点，而实际上只要保留直线段的首尾点即可。因此，抽取后的曲线与原曲线有一定的误差，误差大小与步长的设置及曲线拟合方法有关。如果能综合考虑步长和曲率，可能会有更好的效果，但目前对步长和曲率没有明确的规定，一般是由编程人员根据实际情况自行决定。

线段过滤法

线段过滤法是指当某一段的长度小于某一过滤值时，就以该段的中点代替该段，如同此段的两端退化到中点一样。线段过滤法同步长法一样，过滤值的大小决定着抽稀算法的精度，一般也是由编程人员自行确定。

道格拉斯-普克算法

Douglas-Peuker算法（DP算法）一般从整体角度来考虑一条完整的曲线或一段确定的线段，其基本思路为：

1.对曲线的首末点虚连一条直线，求曲线上所有点与直线的距离，并找出最大距离值dmax，用dmax与事先给定的阈值D相比：

2.若dmax＜D，则将这条曲线上的中间点全部舍去；

若dmax≥D，保留dmax对应的坐标点，并以该点为界，把曲线分为两部分，对这两部分重复使用该方法，即重复1，2步，直到所有dmax均＜D，即完成对曲线的抽稀。

显然，本算法的抽稀精度也与阈值相关，阈值越大，简化程度越大，点减少的越多，反之，化简程度越低，点保留的越多，形状也越趋于原曲线。

DP算法的抽稀精度与上两种方法相比，有明显提高，一因其阈值一般取相应地物最大允许误差，二因算法能做到在删除与保留之间达到较好的平衡，即能充分减少点的数量，又能尽量保留特征点，但由于在编程实现时要用到循环或递归，当点数很多时，效率会受到影响。

垂距限值法

垂距限值法与DP算法原理一样，但其并非从整体角度考虑一条完整曲线，而是从第一点开始依次筛选，去除冗余点。即以第一点为起点，计算第二点至第一点和第三点连线的垂直距离，若此距离大于某阈值，则保留第二点，并将其作为新起点，计算第三点至第二点和第四点连线的距离；否则，去除第二点，计算第三点至第一点和第四点连线距离，依次类推，直至曲线上最后一点。其阈值一般取相应地物最大允许误差或更小。

垂距限值法抽稀精度与DP算法一样，但循环简单，易于编程处理。是一种较理想的抽稀算法。