作者通过在图像上移动前向掩码时跳过不必要的操作来修改原始 Chamfer 算法。 在这些操作中，单元格中的最少添加会产生无穷大。 对于具有许多非特征条目或边界上没有有意义特征的大型二值图像，该算法更有效。

三维激光扫描点云为文物模型重建提供了新的数据支持，但扫描所得海量点云包含大量冗余数据，给建模带来很大不便。针对扫描点云过密、冗余数据较多的问题，提出了一种基于自适应分层的文物点云数据压缩算法。算法的基本思想是：首先通过基于倒角距离变换的自适应分层方法对原始点云进行自适应分层；然后使用弦高差值作为特征点的判别依据来删除冗余数据，采用改进的弦高差法对每层点云进行压缩，保留对模型特征贡献较大的特征点。实验结果表明，通过形状误差控制分层厚度，能在平缓部位减少层数以提高效率的同时不至于使复杂部位因分层过厚而损失重要特征，改进的弦高差法在保留大曲率特征的同时不至于使平缓部位出现孔洞，从而保证了模型重建的精度。