python 拟合圆_最小二乘法拟合圆 转
有一系列的数据点 {xi,yi}{xi,yi},我们知道这些数据点近似的落在一个圆上,根据这些数据估计这个圆的参数就是一个很有意义的问题。今天就来讲讲如何来做圆的拟合。圆拟合的方法有很多种,最小二乘法属于比较简单的一种。今天就先将这种。
我们知道圆方程可以写为:
(x−xc)2+(y−yc)2=R2(x−xc)2+(y−yc)2=R2
通常的最小二乘拟合要求距离的平方和最小。也就是
f=∑((xi−xc)2+(yi−yc)2−−−−−−−−−−−−−−−−−−√−R)2f=∑((xi−xc)2+(yi−yc)2−R)2
最小。这个算起来会很麻烦。也得不到解析解。所以我们退而求其次。
f=∑((xi−xc)2+(yi−yc)2−R2)2f=∑((xi−xc)2+(yi−yc)2−R2)2
这个式子要简单的多。我们定义一个辅助函数:
g(x,y)=(x−xc)2+(y−yc)2−R2g(x,y)=(x−xc)2+(y−yc)2−R2
那么上面的式子可以表示为:
f=∑g(xi,yi)2f=∑g(xi,yi)2
按照最小二乘法的通常的步骤,可知ff 取极值时对应下面的条件。
∂f∂xc=0∂f∂yc=0∂f∂R=0∂f∂xc=0∂f∂yc=0∂f∂R=0
先来化简 ∂f∂R=0∂f∂R=0
∂f∂R=−2R×∑((xi−xc)2+(yi−yc)2−R2)=−2R×∑g(xi,yi)=0∂f∂R=−2R×∑((xi−xc)2+(yi−yc)2−R2)=−2R×∑g(xi,yi)=0
我们知道半径 RR 是不能为 0 的。所以必然有:
∑g(xi,yi)=0∑g(xi,yi)=0
这是个非常有用的结论。剩下的两个式子:
∂f∂xc=−4∑((xi−xc)2+(yi−yc)2−R2)(xi−xc)=−4∑g(xi,yi)(xi−xc)=−4∑xig(xi,yi)=0∂f∂yc=−4∑((xi−xc)2+(yi−yc)2−R2)(yi−yc)=−4∑g(xi,yi)(yi−yc)=−4∑yig(xi,yi)=0∂f∂xc=−4∑((xi−xc)2+(yi−yc)2−R2)(xi−xc)=−4∑g(xi,yi)(xi−xc)=−4∑xig(xi,yi)=0∂f∂yc=−4∑((xi−xc)2+(yi−yc)2−R2)(yi−yc)=−4∑g(xi,yi)(yi−yc)=−4∑yig(xi,yi)=0
也就是下面两个等式:
∑xig(xi,yi)=0∑yig(xi,yi)=0∑xig(xi,yi)=0∑yig(xi,yi)=0
这里设:
ui=xi−x¯uc=xc−x¯vi=yi−y¯vc=yc−y¯ui=xi−x¯uc=xc−x¯vi=yi−y¯vc=yc−y¯
其中:
x¯=∑xi/Ny¯=∑yi/Nx¯=∑xi/Ny¯=∑yi/N
那么简单的推导一下,就会发现:
∑uig(ui,vi)=0∑vig(ui,vi)=0∑uig(ui,vi)=0∑vig(ui,vi)=0
其实都不需要推导,这个变量替换只不过是修改了坐标原点的位置。而我们的等式根本就与坐标原点的具体位置无关。所以必然成立。
这两个式子展开写是这样的:
∑((ui−uc)2+(vi−vc)2−R2)ui=0∑((ui−uc)2+(vi−vc)2−R2)vi=0∑((ui−uc)2+(vi−vc)2−R2)ui=0∑((ui−uc)2+(vi−vc)2−R2)vi=0
进一步展开:
∑(u3i−2u2iuc+uiu2c+uiv2i−2uivivc+uiv2c−uiR2)=0∑(u2ivi−2uiviuc+viu2c+v3i−2v2ivc+viv2c−viR2)=0∑(ui3−2ui2uc+uiuc2+uivi2−2uivivc+uivc2−uiR2)=0∑(ui2vi−2uiviuc+viuc2+vi3−2vi2vc+vivc2−viR2)=0
我们知道 ∑ui=0∑ui=0, ∑vi=0∑vi=0。所以上面两个式子是可以化简的。
∑(u3i−2u2iuc+uiv2i−2uivivc)=0∑(u2ivi−2uiviuc+v3i−2v2ivc)=0∑(ui3−2ui2uc+uivi2−2uivivc)=0∑(ui2vi−2uiviuc+vi3−2vi2vc)=0
为了简化式子,我们定义几个参数:
Suuu=∑u3iSvvv=∑v3iSuu=∑u2iSvv=∑v2iSuv=∑uiviSuuv=∑u2iviSuvv=∑uiv2iSuuu=∑ui3Svvv=∑vi3Suu=∑ui2Svv=∑vi2Suv=∑uiviSuuv=∑ui2viSuvv=∑uivi2
那么上面的式子可以写为:
Suuuc+Suvvc=Suuu+Suvv2Suvuc+Svvvc=Suuv+Svvv2Suuuc+Suvvc=Suuu+Suvv2Suvuc+Svvvc=Suuv+Svvv2
至此,就可以解出ucuc 和vcvc 了。
uc=SuuvSuv−SuuuSvv−SuvvSvv+SuvSvvv2(S2uv−SuuSvv)vc=−SuuSuuv+SuuuSuv+SuvSuvv−SuuSvvv2(S2uv−SuuSvv)uc=SuuvSuv−SuuuSvv−SuvvSvv+SuvSvvv2(Suv2−SuuSvv)vc=−SuuSuuv+SuuuSuv+SuvSuvv−SuuSvvv2(Suv2−SuuSvv)
那么:
xc=uc+x¯yc=vc+y¯xc=uc+x¯yc=vc+y¯
还剩下个 RR 没求出来, 也很简单。
∑g(xi,yi)=0∑((xi−xc)2+(yi−yc)2−R2)=0∑g(xi,yi)=0∑((xi−xc)2+(yi−yc)2−R2)=0
所以:
R2=∑((xi−xc)2+(yi−yc)2)R2=∑((xi−xc)2+(yi−yc)2)
好了。下面给出个代码,这个代码的具体公式和我这里给出的有一点小差异,但是原理是相同的。
/**
* 最小二乘法拟合圆
* 拟合出的圆以圆心坐标和半径的形式表示
* 此代码改编自 newsmth.net 的 jingxing 在 Graphics 版贴出的代码。
* 版权归 jingxing, 我只是搬运工外加一些简单的修改工作。
*/
typedef complex POINT;
bool circleLeastFit(const std::vector &points, double ¢er_x, double ¢er_y, double &radius)
{
center_x = 0.0f;
center_y = 0.0f;
radius = 0.0f;
if (points.size() < 3)
{
return false;
}
double sum_x = 0.0f, sum_y = 0.0f;
double sum_x2 = 0.0f, sum_y2 = 0.0f;
double sum_x3 = 0.0f, sum_y3 = 0.0f;
double sum_xy = 0.0f, sum_x1y2 = 0.0f, sum_x2y1 = 0.0f;
int N = points.size();
for (int i = 0; i < N; i++)
{
double x = points[i].real();
double y = points[i].imag();
double x2 = x * x;
double y2 = y * y;
sum_x += x;
sum_y += y;
sum_x2 += x2;
sum_y2 += y2;
sum_x3 += x2 * x;
sum_y3 += y2 * y;
sum_xy += x * y;
sum_x1y2 += x * y2;
sum_x2y1 += x2 * y;
}
double C, D, E, G, H;
double a, b, c;
C = N * sum_x2 - sum_x * sum_x;
D = N * sum_xy - sum_x * sum_y;
E = N * sum_x3 + N * sum_x1y2 - (sum_x2 + sum_y2) * sum_x;
G = N * sum_y2 - sum_y * sum_y;
H = N * sum_x2y1 + N * sum_y3 - (sum_x2 + sum_y2) * sum_y;
a = (H * D - E * G) / (C * G - D * D);
b = (H * C - E * D) / (D * D - G * C);
c = -(a * sum_x + b * sum_y + sum_x2 + sum_y2) / N;
center_x = a / (-2);
center_y = b / (-2);
radius = sqrt(a * a + b * b - 4 * c) / 2;
return true;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
下图是个实际测试的结果。对这种均匀分布的噪声数据计算的结果还是很准确的。
但是当数据中有部分偏向某一个方向的干扰数据时。结果就不那么乐观了。下图就很说明问题。
数据点中有 20% 是干扰数据。拟合出的圆就明显被拽偏了。
之所以出现这个问题就是因为最小二乘拟合的平方项对离群点非常敏感。解决这个问题就要用其他的拟合算法,比如用距离之和作为拟合判据。等我有空了再写一篇博客介绍其他几种方法。
python 拟合圆_最小二乘法拟合圆 转相关推荐
- python最小二乘法拟合圆_最小二乘法拟合圆
有一系列的数据点 {xi,yi}.我们知道这些数据点近似的落在一个圆上.依据这些数据预计这个圆的參数就是一个非常有意义的问题.今天就来讲讲怎样来做圆的拟合.圆拟合的方法有非常多种,最小二乘法属于比較简 ...
- python最小二乘法拟合圆_最小二乘法拟合圆(示例代码)
有一系列的数据点 {xi,yi}.我们知道这些数据点近似的落在一个圆上.依据这些数据预计这个圆的參数就是一个非常有意义的问题.今天就来讲讲怎样来做圆的拟合.圆拟合的方法有非常多种,最小二乘法属于比較简 ...
- 多项式拟合缺点_多项式拟合
在网上看别人的心得 一 最小二乘法的基本原理 从整体上考虑近似函数同所给数据点(i=0,1,-,m)误差(i=0,1,-,m)的大小,常用的方法有以下三种:一是误差(i=0,1,-,m)绝对值的最 ...
- matlab最小二乘法拟合参数,matlab最小二乘法拟合
matlab最小二乘法拟合 数学建模与数学实验 拟 合 1 实验目的 实验内容 2. 掌握用数学软件求解拟合问题. 1. 直观了解拟合基本内容. 1. 拟合问题引例及基本原理. 4. 实验作业. 2. ...
- 什么是欠拟合现象_过拟合与欠拟合问题
过拟合(overfitting)与欠拟合(underfitting)是统计学中的一组现象.过拟合是在统计模型中,由于使用的参数过多而导致模型对观测数据(训练数据)过度拟合,以至于用该模型来预测其他测试 ...
- c++椭圆最小二乘法原理_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 anal ...
- 圆检测——最小二乘法拟合圆的推导
http://blog.163.com/small_duan/blog/static/28584262200872340079/ 最小二乘法(least squares analysis)是一种 数学 ...
- python拟合二次函数_Python 最小二乘法 拟合 二次曲线
最小二乘 Python 二次拟合 随机生成数据,并且加上噪声干扰 构造需要拟合的函数形式,使用最小二乘法进行拟合 输出拟合后的参数 将拟合后的函数与原始数据绘图后进行对比 import numpy a ...
- python怎么重复画圆_重画圆Python
我这里有一段代码:from tkinter import * class player(): def __init__(self, radius, xcoordinate = 0, ycoordina ...
最新文章
- DM***+EZ***
- IDEA使用Maven打包时如何去掉测试阶段
- 对一次ARP欺骗分析
- WEB入门之十九 UI
- Python学习之路——装饰器
- 有符号数与无符号数间的转换
- 什么版本的linux可以用ps,在linux上使用ps(转载)
- STM32F103ZET6 GPIO的使用
- 单线程和多线程的区别
- MySQL的安装、启动、停止、卸载
- [HNOI2016]网络
- 【从C到C++学习笔记】程序/结构化程序设计/面向对象的程序设计
- C++ std::condition_variable wait() wait_for() 区别 怎么用 实例
- 安卓beforetextchanged_Android TextWatcher.afterTextChanged与TextWatcher
- SpringMVC + JUnit4 单元测试 - Controller 测试
- 【MicroPython ESP32】超低功耗协处理器(ULP):睡眠模式示例详解
- 关于DSP系统时钟的一些理解
- 关于win10X64 连接oracle
- audiosever耗电_audio服务自动停止 - 卡饭网
- 数据结构 — 图 之 关键路径、关键活动 (文字表述)
热门文章
- 关于win7启用网络发现以及文件共享
- 如何取消a标签超级链接跳转的问题
- 【计算机科学】【2016】通过三维点云分析进行挠度测量
- java rpm卸载_怎样使用rpm命令一次性删除依赖的软件包
- mysql sync_binlog 作用_mysql 中 sync_binlog 参数作用
- kubernetes02
- Caffe ImageNet官方文档中文版
- 编码的未来是根本不需要编码
- 笔记本在卸载oracle就蓝屏了,导致笔记本电脑蓝屏原因 导致笔记本电脑蓝屏解决方法【详解】...
- 2011戴尔计算机配置,戴尔产品囊括36项大奖 2011年战绩骄人