2d椭圆拟合学习

2024-08-31 08:04
文章标签 学习 拟合 2d 椭圆

本文主要是介绍2d椭圆拟合学习,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

算法来自论文《 Direct Least Square Fitting of Ellipses》

《NUMERICALLY STABLE DIRECT LEAST SQUARES FITTING OF ELLIPSES》

相关文章 

论文阅读:·直接拟合椭圆 Direct Least Square Fitting of Ellipsesicon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/645391510Fitting Ellipse拟合椭圆的若干方法分析

论文源码找呀找~

给出一些椭圆上离散的点的横纵坐标,怎么用matlab拟合出椭圆方程比如这些点是(1,0) (-1,0) (0,2 ) (0,-2)_作业帮

没说来源,表示看不懂

直接最小二乘法拟合椭圆-CSDN博客

High-quality-ellipse-detection/fitEllipse.m at master · hnexplorer/High-quality-ellipse-detection · GitHub

我想用MATLAB实现 将近似椭圆形的一些离散点 拟合成椭圆曲线_百度知道

基于直接最小二乘的椭圆拟合(Direct Least Squares Fitting of Ellipses)

https://github.com/seisgo/EllipseFit

EllipseFitting/EllipseFitting at master · xiamenwcy/EllipseFitting · GitHub

看上去上面的代码似乎都出自同一处

继续找呀找

Fitzgibbon, Pilu, Fisher: Direct Least Squares Fitting of Ellipses

这个应该代码源头了, 根据上面两篇论文,对着里面的公式来看

% unnormalize 这一句注释千的代码还是比较好理解

但是这句话是什么意思呢?

par = [
    A(1)*sy*sy,   ...
    A(2)*sx*sy,   ...
    A(3)*sx*sx,   ...
    -2*A(1)*sy*sy*mx - A(2)*sx*sy*my + A(4)*sx*sy*sy,   ...
    -A(2)*sx*sy*mx - 2*A(3)*sx*sx*my + A(5)*sx*sx*sy,   ...
    A(1)*sy*sy*mx*mx + A(2)*sx*sy*mx*my + A(3)*sx*sx*my*my   ...
    - A(4)*sx*sy*sy*mx - A(5)*sx*sx*sy*my   ...
    + A(6)*sx*sx*sy*sy   ...
    ]';

我在stack overflow上找到了答案

Unnormalization of ellipse coefficients after direct ellipse fitting

可能是本人数学基础不好的原因,接下来的代码就完全看不懂了

一番求助,现在应该是理解了

椭圆几何参数与椭圆方程参数的相互转换

一般椭圆方程标准化及其推导

% Convert to geometric radii, and centers

thetarad = 0.5*atan2(par(2),par(1) - par(3));

%
cost = cos(thetarad);
sint = sin(thetarad);
sin_squared = sint.*sint;
cos_squared = cost.*cost;
cos_sin = sint .* cost;

Ao = par(6);F
Au =   par(4) .* cost + par(5) .* sint;D
Av = - par(4) .* sint + par(5) .* cost;E
Auu = par(1) .* cos_squared + par(3) .* sin_squared + par(2) .* cos_sin;A
Avv = par(1) .* sin_squared + par(3) .* cos_squared - par(2) .* cos_sin;C

% ROTATED = [Ao Au Av Auu Avv]

将x',y'代入 

并方程整理 得 Auu.x^2+Bxy+Avv.y^2+Au.x+Av.y+Ao=0

相当于将椭圆逆时针绕坐标原点旋转了thetarad

新的方程下椭圆已经没有旋转,也就是B=0,为什么B=0呢

因为

不知道这里理解的对不对?

计算椭圆中心点,根据

tuCentre = - Au./(2.*Auu);//刚好是-D/(2A)
tvCentre = - Av./(2.*Avv);//刚好是-E/(2C)


wCentre = Ao - Auu.*tuCentre.*tuCentre - Avv.*tvCentre.*tvCentre;

//因为tuCentre,tvCentre是逆时针旋转得到的椭圆中心,再绕原点顺时针旋转thetarad 才是最初椭圆的中心坐标
uCentre = tuCentre .* cost - tvCentre .* sint;
vCentre = tuCentre .* sint + tvCentre .* cost;

//长短半轴根据

进行理解B=0,注意不带旋转的椭圆的中心上面已经计算得到了,和代码就完全对应得上了

Ru = -wCentre./Auu;
Rv = -wCentre./Avv;

Ru = sqrt(abs(Ru)).*sign(Ru);
Rv = sqrt(abs(Rv)).*sign(Rv);

a = [uCentre, vCentre, Ru, Rv, thetarad];

以上就是数学盲的我对这个算法的代码的初步理解了。

这篇关于2d椭圆拟合学习的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1123336

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件