最小二乘法拟合圆c语言,最小二乘法拟合圆公式推导及其实现
https://blog.csdn.net/Jacky_Ponder/article/details/70314919
1.1最小二乘拟合圆介绍与推导
最小二乘法(least squares analysis)是一种数学优化技术,它通过最小化误差的平方和找到一组数据的最佳函数匹配。最小二乘法是用最简的方法求得一些绝对不可知的真值,而令误差平方之和为最小来寻找一组数据的最佳匹配函数的计算方法,最小二乘法通常用于曲线拟合 (least squares fitting) 。最小二乘圆拟合方法是一种基于统计的检测方法,即便是图像中圆形目标受光照强度不均等因素的影响而产生边缘缺失,也不会影响圆心的定位和半径的检测,若边缘定位精确轮廓清晰,最小二乘法可实现亚像素级别的精确拟合定位。
这里有拟合圆曲线的公式推导过程和vc实现。
1.2VC实现的代码
[cpp] view plain copy
void CViewActionImageTool::LeastSquaresFitting()
{
if (m_nNum<3)
{
return;
}
int i=0;
double X1=0;
double Y1=0;
double X2=0;
double Y2=0;
double X3=0;
double Y3=0;
double X1Y1=0;
double X1Y2=0;
double X2Y1=0;
for (i=0;i
{
X1 = X1 + m_points[i].x;
Y1 = Y1 + m_points[i].y;
X2 = X2 + m_points[i].x*m_points[i].x;
Y2 = Y2 + m_points[i].y*m_points[i].y;
X3 = X3 + m_points[i].x*m_points[i].x*m_points[i].x;
Y3 = Y3 + m_points[i].y*m_points[i].y*m_points[i].y;
X1Y1 = X1Y1 + m_points[i].x*m_points[i].y;
X1Y2 = X1Y2 + m_points[i].x*m_points[i].y*m_points[i].y;
X2Y1 = X2Y1 + m_points[i].x*m_points[i].x*m_points[i].y;
}
double C,D,E,G,H,N;
double a,b,c;
N = m_nNum;
C = N*X2 - X1*X1;
D = N*X1Y1 - X1*Y1;
E = N*X3 + N*X1Y2 - (X2+Y2)*X1;
G = N*Y2 - Y1*Y1;
H = N*X2Y1 + N*Y3 - (X2+Y2)*Y1;
a = (H*D-E*G)/(C*G-D*D);
b = (H*C-E*D)/(D*D-G*C);
c = -(a*X1 + b*Y1 + X2 + Y2)/N;
double A,B,R;
A = a/(-2);
B = b/(-2);
R = sqrt(a*a+b*b-4*c)/2;
m_fCenterX = A;
m_fCenterY = B;
m_fRadius = R;
return;
}
---------------------
作者:Jacky_Ponder
来源:CSDN
原文:https://blog.csdn.net/Jacky_Ponder/article/details/70314919
版权声明:本文为博主原创文章,转载请附上博文链接!
最小二乘法拟合圆c语言,最小二乘法拟合圆公式推导及其实现相关推荐
- bresenham算法画圆c语言,bresenham画圆算法
中点画圆算法在一个方向上取单位间隔,在另一个方向的取值由两种可能取值的中点离圆的远近而定.实际处理中,用决策变量的符号来确定象素点的选择,因此算法效率较高. 设要显示圆的圆心在原点(0,0),半径为R ...
- 最小二乘法用于直线,多项式,圆,椭圆的拟合及程序实现
最小二乘法是一种优化算法,最小二乘法名字的缘由有两个:一是要将误差最小化,二是将误差最小化的方法是使误差的平方和最小化.利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的 ...
- python多项式拟合_Python 普通最小二乘法(OLS)进行多项式拟合,最小二乘法拟合二次多项式,多元函数拟合。如 电...
Python 普通最小二乘法(OLS)进行多项式拟合,最小二乘法拟合二次多项式,多元函数拟合.如 电 多元函数拟合.如 电视机和收音机价格多销售额的影响,此时自变量有两个. python 解法:imp ...
- python最小二乘法拟合三维曲线_python_numpy最小二乘法的曲线拟合
在了解了最小二乘法的基本原理之后python_numpy实用的最小二乘法理解,就可以用最小二乘法做曲线拟合了 1.直线拟合 直线拟合 已知图中拟合数据的坐标,对图中的拟合数据进行直线拟合. 依旧使用最 ...
- python最小二乘法拟合直线_Python 实现最小二乘法拟合直线
线性回归 线性回归是回归分析中最常见的一种建模方式.当因变量是连续的,自变量是连续的或者离散的,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析. 用方程 y = mx + c,其中 ...
- matlab polyfit c语言,算法——纯C语言最小二乘法曲线拟合
算法--纯C语言最小二乘法曲线拟合 [复制链接] 写完,还没来得及写注释,已通过Matlab的polyfit验证(阶数高或者数据量太大会有double数据溢出的危险,低阶的都吻合),时间有点紧,程序注 ...
- c语言平曲线,算法——纯C语言最小二乘法曲线拟合
算法--纯C语言最小二乘法曲线拟合 写完,还没来得及写注释,已通过Matlab的polyfit验证(阶数高或者数据量太大会有double数据溢出的危险,低阶的都吻合),时间有点紧,程序注释,数学推导等 ...
- R语言glmnet拟合lasso回归模型实战:lasso回归模型的模型系数及可视化、lasso回归模型分类评估计算(混淆矩阵、accuracy、Deviance)
R语言glmnet拟合lasso回归模型实战:lasso回归模型的模型系数(lasso regression coefficients)及可视化.lasso回归模型分类评估计算(混淆矩阵.accura ...
- R语言glmnet拟合岭回归模型实战:岭回归模型的模型系数(ridge regression coefficients)及可视化、岭回归模型分类评估计算(混淆矩阵、accuracy、Deviance)
R语言glmnet拟合岭回归模型(ridge regression)实战:岭回归模型的模型系数(ridge regression coefficients)及可视化.岭回归模型分类评估计算(混淆矩阵. ...
最新文章
- Jenkins简介安装使用
- Zookeeper 源码环境搭建
- java记录目录树_Java记录
- Vue页面骨架屏(一)
- 为什么Python中称__lt__、__gt__等为“富比较”方法
- 信息学奥赛一本通 1962:【13NOIP普及组】表达式求值 | 洛谷 P1981 [NOIP2013 普及组] 表达式求值
- HTML-超链接锚点笔记
- 动态创建MySQL Group Replication的节点(r11笔记第84天)
- centos7 服务器安装nginx,mysql,php
- 用Heartbeat构建Web Ha
- 为什么科学家这么痴迷于研究僵尸?
- 相机标定(四)—— 仿射变换和透视变换
- 在Linux中如何使用gdb调试C程序
- phpstudy设置允许远程访问mysql数据库
- Discuz搜索模块解析
- Webpower携手梅花网,打造优雅的SaaS产品服务
- 阿里maven仓库地址
- Adobe Photoshop CS6软件安装教程
- Duplicate entry 'dage' for key 'PRIMARY'
- 基于Go语言Echo+Vue+ElementUI的OA办公系统
热门文章
- 【NVivo教程】如何进行主题分析
- 基于java springboot vue elementui超市管理系统源码
- Android App安全监测隐私权限工具及自测
- js 随机选取动画_jquery实现随机运动动画
- 视频中的自监督学习:Removing the background忽略视频的背景,学习robust的特征
- 解决Altium Designer许可(license)授权紧张的问题
- 《Python编程:从入门到实践》第16章 pygal.i18n获取国别码 两处报错:ImportError: No module named 'pygal.i18n'
- 为什么只有中国的程序员节是10月24日?
- 几个自用的虚拟机镜像文件,兼容VMware vbox等虚拟机 ova格式直接导入
- 2021数学建模C题