最小二乘法拟合圆公式推导及vc实现[r

简介:
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。 最小二乘法通常用于 曲线拟合 (least squares fitting) 。这里有 拟合圆曲线 的公式推导过程 和 vc实现。








VC实现的代码:
None.gif void  CViewActionImageTool::LeastSquaresFitting()
ExpandedBlockStart.gif
{
InBlock.gif    
if (m_nNum<3)
ExpandedSubBlockStart.gif    
{
InBlock.gif        
return;
ExpandedSubBlockEnd.gif    }

InBlock.gif
InBlock.gif    
int i=0;
InBlock.gif
InBlock.gif    
double X1=0;
InBlock.gif    
double Y1=0;
InBlock.gif    
double X2=0;
InBlock.gif    
double Y2=0;
InBlock.gif    
double X3=0;
InBlock.gif    
double Y3=0;
InBlock.gif    
double X1Y1=0;
InBlock.gif    
double X1Y2=0;
InBlock.gif    
double X2Y1=0;
InBlock.gif
InBlock.gif    
for (i=0;i<m_nNum;i++)
ExpandedSubBlockStart.gif    
{
InBlock.gif        X1 
= X1 + m_points[i].x;
InBlock.gif        Y1 
= Y1 + m_points[i].y;
InBlock.gif        X2 
= X2 + m_points[i].x*m_points[i].x;
InBlock.gif        Y2 
= Y2 + m_points[i].y*m_points[i].y;
InBlock.gif        X3 
= X3 + m_points[i].x*m_points[i].x*m_points[i].x;
InBlock.gif        Y3 
= Y3 + m_points[i].y*m_points[i].y*m_points[i].y;
InBlock.gif        X1Y1 
= X1Y1 + m_points[i].x*m_points[i].y;
InBlock.gif        X1Y2 
= X1Y2 + m_points[i].x*m_points[i].y*m_points[i].y;
InBlock.gif        X2Y1 
= X2Y1 + m_points[i].x*m_points[i].x*m_points[i].y;
ExpandedSubBlockEnd.gif    }

InBlock.gif
InBlock.gif    
double C,D,E,G,H,N;
InBlock.gif    
double a,b,c;
InBlock.gif    N 
= m_nNum;
InBlock.gif    C 
= N*X2 - X1*X1;
InBlock.gif    D 
= N*X1Y1 - X1*Y1;
InBlock.gif    E 
= N*X3 + N*X1Y2 - (X2+Y2)*X1;
InBlock.gif    G 
= N*Y2 - Y1*Y1;
InBlock.gif    H 
= N*X2Y1 + N*Y3 - (X2+Y2)*Y1;
InBlock.gif    a 
= (H*D-E*G)/(C*G-D*D);
InBlock.gif    b 
= (H*C-E*D)/(D*D-G*C);
InBlock.gif    c 
= -(a*X1 + b*Y1 + X2 + Y2)/N;
InBlock.gif
InBlock.gif    
double A,B,R;
InBlock.gif    A 
= a/(-2);
InBlock.gif    B 
= b/(-2);
InBlock.gif    R 
= sqrt(a*a+b*b-4*c)/2;
InBlock.gif
InBlock.gif    m_fCenterX 
= A;
InBlock.gif    m_fCenterY 
= B;
InBlock.gif    m_fRadius 
= R;
InBlock.gif
InBlock.gif    
return;
ExpandedBlockEnd.gif}


工程下载
编译运行后随便打开一个图片,当然最好是全白的图片,然后就点吧,大于三个点后就会开始拟合。红线画的圆为拟合的圆,深蓝的点为鼠标点击设置的样本点。单击鼠标右键清空样本集。


本文转自 lu xu 博客园博客,原文链接:http://www.cnblogs.com/dotLive/archive/2006/10/09/524633.html   ,如需转载请自行联系原作者


相关文章
|
7天前
|
数据可视化
R语言中的多项式回归、B样条曲线(B-spline Curves)回归
R语言中的多项式回归、B样条曲线(B-spline Curves)回归
|
8月前
|
算法 图形学
计算机图形学 之 DDA直线算法(数值微分法)
计算机图形学 之 DDA直线算法(数值微分法)
203 0
|
8月前
|
机器学习/深度学习 传感器 算法
基于matlab计算不等间距样本的一阶和二阶导数
基于matlab计算不等间距样本的一阶和二阶导数
|
8月前
|
数据采集 算法 Python
[模型]拉格朗日插值法
[模型]拉格朗日插值法
|
10月前
|
传感器 机器学习/深度学习 算法
【方位估计 】基于music算法均匀线阵的标量阵与矢量阵的方位估计附Matlab源码
【方位估计 】基于music算法均匀线阵的标量阵与矢量阵的方位估计附Matlab源码
|
10月前
曲线拟合-最小二乘法
线性最小二乘法及matlab例程
【数理统计】参数估计及相关(点估计、矩估计法、最大似然估计、原点矩&中心距)
【数理统计】参数估计及相关(点估计、矩估计法、最大似然估计、原点矩&中心距)
235 0
【数理统计】参数估计及相关(点估计、矩估计法、最大似然估计、原点矩&中心距)
使用最小二乘法将xld曲线拟合成直线
使用最小二乘法将xld曲线拟合成直线
355 0
|
机器学习/深度学习 传感器 算法
【光学】基于GS算法实现高斯光转换成高阶高斯光,一阶空心高斯光,贝塞尔高斯光附matlab代码
【光学】基于GS算法实现高斯光转换成高阶高斯光,一阶空心高斯光,贝塞尔高斯光附matlab代码
|
算法 计算机视觉
学习:基于泰勒级数近似估计的图像增强综述
学习:基于泰勒级数近似估计的图像增强综述
359 0
学习:基于泰勒级数近似估计的图像增强综述

热门文章

最新文章