优化了的过关键点的光滑曲线拟合算法
这个是我一个数学老师(教授,数学高手,经常自己做算法)给我的例子,用于多个离散点拟合光滑曲线的,他优化了追赶法,这个例子适用于闭合和不闭合两种情况。当时由于工程情况,写的急,代码不好看,但是很好用。为了方便传递参数,我做了一个链表,用时候根据自己情况可以修改,核心算法不动即可。
class CFoldPoint
{public:
double X; double Y;
};
typedef CTypedPtrList CFoldPointList;
typedef CArray CDoubleArray;
三个函数,SPLine 调用另外两个。用时候直接调用SPLine函数,入口pList是已知离散点链表,pDestList是生成的点的链表。SM是在两个点中间插入点的数目,continue=0是采样点无规律,要求生成闭合曲线。1是采样点x坐标连续 2是y连续
void ZG(CDoubleArray *A,CDoubleArray *B,CDoubleArray *C,CDoubleArray *G,int &LOGI)
{
//追赶法
register long I;
int N;
N=A->GetSize();
if(LOGI==0)
{
(*C)[0]=(*C)[0]/(*B)[0];
for(I=1;I {
(*B)[I]=(*B)[I]-(*A)[I]*(*C)[I-1];
(*C)[I]=(*C)[I]/(*B)[I];
}
(*A)[0]=0.;
(*C)[N-1]=0.;
LOGI=1;
}
(*G)[0]=(*G)[0]/(*B)[0];
for(I=1;I {
(*G)[I]=((*G)[I]-(*A)[I]*(*G)[I-1])/(*B)[I];
}
for(I=N-2;I>-1;I--)//DO 30 I=N-1,1,-1
{
(*G)[I]=(*G)[I]-(*C)[I]*(*G)[I+1];
}
return;
}
void SPLine4(CDoubleArray *X,CDoubleArray *Y,double &XI,double&YI,CDoubleArray *A,CDoubleArray *B,CDoubleArray *C,CDoubleArray *G,int &LOGI,int MD)
{
register long I;
double W1,W2,H;
int N=X->GetSize();
if(LOGI==0)
{
for(I=1;I {
(*B)[I]=(*X)[I]-(*X)[I-1];
(*C)[I]=((*Y)[I]-(*Y)[I-1])/(*B)[I];
}
for(I=1;I {
(*A)[I]=(*B)[I]+(*B)[I+1];
(*G)[I]=6.*((*C)[I+1]-(*C)[I])/(*A)[I];
(*A)[I]=(*B)[I]/(*A)[I];
}
for(I=1;I {
(*C)[I]=1.-(*A)[I];
(*B)[I]=2.;
}
(*B)[0]=2.;
(*B)[N-1]=2.;
if(MD==3)
{
(*C)[0]=-1.;
(*A)[N-1]=-1.;
(*A)[0]=0.;
(*C)[N-1]=0.;
}
ZG(A,B,C,G,LOGI);
}
for(I=1;I {
if(XI>=(*X)[I-1] && XI<=(*X)[I])//GE LE
{
H=(*X)[I]-(*X)[I-1];
W1=(*X)[I]-XI;
W2=XI-(*X)[I-1];
YI=W1*W1*W1*(*G)[I-1]/6./H;
YI=YI+W2*W2*W2*(*G)[I]/6./H;
YI=YI+W1*((*Y)[I-1]-(*G)[I-1]*H*H/6.)/H;
YI=YI+W2*((*Y)[I]-(*G)[I]*H*H/6.)/H;
}
}
}
void SPLine(CFoldPointList *pList,CFoldPointList *pDestList,int SM,int Continue=0)
{
CFoldPoint *pFoldHead,*pFoldTail;
POSITION pos;
CDoubleArray A,B,C,G,X,Y,T;
double XI,YI,XX,YY;
register long i;
long N;
int LOGI;
long RealSM;
long Bei,Yu;
CFoldPoint *pFold;
file://赋初值
N=pList->GetCount();
A.SetSize(N);
B.SetSize(N);
C.SetSize(N);
G.SetSize(N);
X.SetSize(N);
Y.SetSize(N);
T.SetSize(N);
RealSM=(N-1)*SM+N;
pos=pList->GetHeadPosition();
for(i=0;i
{
pFold=pList->GetNext(pos);
X[i]=pFold->X;
Y[i]=pFold->Y;
}
pFoldHead=pList->GetHead();
pFoldTail=pList->GetTail();
if(Continue==0)//pFoldHead->X==pFoldTail->X && pFoldHead->Y==pFoldTail->Y)
{ file://闭合
T[0]=0;
for(i=0;i
{
T[i+1]=T[i]+CalculateDistance(X[i],Y[i],X[i+1],Y[i+1])+0.000000001;
}
LOGI=0;
YI=0;
for(i=0;i
{
Bei=i/(SM+1);
Yu=i%(SM+1);
if(Yu!=0)
{
XI=T[Bei]+(T[Bei+1]-T[Bei])/(SM+1)*Yu;
SPLine4(&T,&Y,XI,YI,&A,&B,&C,&G,LOGI,3);
YY=YI;//+Y[Bei];
}
else
{
YY=Y[Bei];
}
pFold=new CFoldPoint;
pFold->Y=YY;
pDestList->AddTail(pFold);
}
LOGI=0;
YI=0;
pos=pDestList->GetHeadPosition();
for(i=0;i
{
Bei=i/(SM+1);
Yu=i%(SM+1);
if(Yu!=0)
{
XI=T[Bei]+(T[Bei+1]-T[Bei])/(SM+1)*Yu;
SPLine4(&T,&X,XI,YI,&A,&B,&C,&G,LOGI,3);
YY=YI;//+X[Bei];
}
else
{
YY=X[Bei];
}
pFold=pDestList->GetNext(pos);
pFold->X=YY;
}
}
else if(Continue==1)
{
file://x连续
LOGI=0;
YI=0;
for(i=0;i
{
Bei=i/(SM+1);
Yu=i%(SM+1);
if(Yu!=0)
{
XI=X[Bei]+(X[Bei+1]-X[Bei])/(SM+1)*Yu;
SPLine4(&X,&Y,XI,YI,&A,&B,&C,&G,LOGI,3);
XX=XI;
YY=YI;
}
else
{
XX=X[Bei];
YY=Y[Bei];
}
pFold=new CFoldPoint;
pFold->X=XX;
pFold->Y=YY;
pDestList->AddTail(pFold);
}
}
else
{
file://y连续
LOGI=0;
YI=0;
for(i=0;i
{
Bei=i/(SM+1);
Yu=i%(SM+1);
if(Yu!=0)
{
XI=Y[Bei]+(Y[Bei+1]-Y[Bei])/(SM+1)*Yu;
SPLine4(&Y,&X,XI,YI,&A,&B,&C,&G,LOGI,3);
XX=YI;
YY=XI;
}
else
{
XX=X[Bei];
YY=Y[Bei];
}
pFold=new CFoldPoint;
pFold->X=XX;
pFold->Y=YY;
pDestList->AddTail(pFold);
}
}
return;
}
优化了的过关键点的光滑曲线拟合算法相关推荐
- tensorflow 人面关键点识别_人工智能算法-图像识别项目
电缆缺陷检测 各省市电网,需要建立一套完善的电缆线部件缺陷检测的平台,为各省市的电缆线部件 缺陷提供智能化的解决方案,进一步确保电网系统的安全运行.现在有些省市的电网缺陷部 件的检测仍采用人工查缺的方 ...
- UA SIE545 优化理论基础5 搜索与整数规划1 DFS算法
UA SIE545 优化理论基础5 搜索与整数规划1 DFS算法 DFS方法基础 邮票问题 这部分的主要目标是建立求解整数规划的方法,早期解决整数规划需要穷举,后来人们把搜索技术应用到整数规划中,极大 ...
- 【算法+OpenCV】基于三次Bezier原理的曲线拟合算法C++与OpenCV实现
近期,因为要实现经过多个控制点的曲线拟合,研究起了曲线拟合算法.综合搜索到的资料,发现Bezier曲线拟合算法是一种相对较容易实现.且拟合的效果较好的算法.关于Bezier曲线原理,请参照(Bezie ...
- 【运筹优化】求解二维矩形装箱问题的算法合辑 + Java代码实现
文章目录 一.算法合辑 1.1 结合自定义策略 1.1.1 结合自定义策略的禁忌搜索算法(98.80%) 1.2.1 结合自定义策略的蚁群算法(96.70%) 1.2 堆优化的天际线启发式算法(98. ...
- 最小二乘法线性拟合和2次曲线拟合算法
最近由于项目要求,应用了最小二乘法线性拟合和2次曲线拟合算法,现总结如下: 最小二乘法线性拟合应用已有的采样时间点,再现这些点所描述的线性变化,即求出一个线性方程y=ax+b(这个算法的主要问题也就是 ...
- 智能优化及其应用——课程设计(粒子群算法)
目录 基于粒子群算法的路径规划应用 前言 一.粒子群算法介绍 二.路径规划问题 1.设计思路 2.问题建模 三.python编程设计 1.模型建立 2.粒子设计 3.粒子群初始化 4.粒子群迭代更新 ...
- 三次B样条曲线拟合算法
1 三次B样条曲线方程 B样条曲线分为近似拟合和插值拟合,所谓近似拟合就是不过特征点,而插值拟合就是通过特征点,但是插值拟合需要经过反算得到控制点再拟合出过特征点的B样条曲线方程.这里会一次介绍两种拟 ...
- 【运筹优化】结合天际线启发式的蚁群算法求解二维矩形装箱问题 + Java代码实现
文章目录 一.天际线启发式 二.蚁群算法结合天际线启发式 2.1 构建序列 2.1.1 思路一 2.1.2 思路二 2.1.3 思路N 三.Java代码实现 3.1 项目结构 3.2 Ant 3.3 ...
- 三次Beizer曲线拟合算法
1 三次Beizer曲线方程介绍 Beizer曲线的一些特性这里不再赘述,大家可以去网上查看一些资料,很详细.最近用到轮廓拟合,所以用三次Beizer曲线效果还可以,有插值和近似拟合(插值就是曲线过点 ...
最新文章
- mysql 开户机构_mysql开户、权限设置、建库流程及常用操作
- [css] 你知道全屏滚动的原理是什么吗?它用到了CSS的哪些属性?
- MusicXML 3.0 (20) - 钢琴踏板
- linux重要的目录之etc
- python判断密码是否合法性_菜鸟使用python实现正则检测密码合法性
- 算法设计与分析(第2版)屈婉玲 刘田 张立昂 王捍贫编著 第二章课后习题答案
- Python实现word转pdf
- 计算机键盘按不动怎么办,电脑键盘上档键怎么失灵
- PLC M8000 M8001 M8002 M8003
- Fail to open the referenced table
- 由微博图床挂掉之后想到的
- mysql int_mysql中int(10)代表什么意思?
- Debian10英语环境安装搜狗输入法
- 王牌投手·MLB棒球创造营
- 4.1 数据仓库基础与Apache Hive入门
- 《组网技术》:路由器基本配置
- 怎样设置WinForm程序的公司名称、产品名称、版本信息
- 互融云|融资担保行业发展新要求:加快数字化转型 以增强服务实体经济
- 三刷CPA注册会计师之会计决胜之道
- 利用Hashcat破解WiFi密码
热门文章
- Textual Entailment(自然语言推理-文本蕴含) - AllenNLP
- Delphi开发OPC
- HTML、CSS、JavaScript 学习笔记
- 用户头像的背景为头像的模糊头像时候
- 计算机 布局菜单栏 无法打勾,w7系统 我的电脑工具栏不见了
- 我的战地日记:42期学员闫要峰
- daytime协议的服务器和客户端程序,用Socket套接字实现DAYTIME协议的服务器和客户端程序-20210414073352.docx-原创力文档...
- mac安全性与隐私 不允许_隐私不仅仅是安全
- FVCOM离线拉格朗日配置
- 【开源项目】电视盒子好用又强大的APP: TVRemoteIME