图像处理中二次曲线拟合
来源:互联网 发布:国内网络婚纱品牌排行 编辑:程序博客网 时间:2024/05/18 00:51
2016/7/16
在一次提取发光管的中心线程序中,由于我们只拍到了断续而弯曲的发光管,所以无法使用光带中心线提取的方法进行提取。
在此背景下,我想到了拟合。之前有学过直线拟合的方法,名为最小二乘法。其基本步骤如下:
(1) 设需要拟合的直线为y=a*x+b。
(2) 首先选取进行拟合的点集,选取方法可以为阈值分割,模板匹配等,设最后选出的点集为。
(3) 求该点集到直线的距离平方和,
(4) 对Sum分别求关于x,y的偏导函数。
(5) 根据偏导求出该距离平方和最小时的a,b值即为拟合的曲线的参数。
为了与之后的二次曲线拟合做对比,我写了下直线拟合的函数,先从源图像中根据阈值分割选取拟合点集(这里我认为灰度值超过45即被选取),再根据上述步骤计算a,b的值。源代码如下:
/*输入为三通道图像*/
/*对图像中的亮点进行直线拟合*/
void cvLineFit1D(IplImage* src_getin)
{
IplImage*src =cvCloneImage(src_getin);
IplImage*image_threshold = cvCreateImage(cvGetSize(src),8,1);
cvCvtColor(src,image_threshold,CV_BGR2GRAY);
cvThreshold(image_threshold,image_threshold,45,255,CV_THRESH_BINARY);
cvShowImage("cvLineFit1D[Threshold]",image_threshold);
//设拟合的二次曲线方程为y=ax+b;
//先求出各点到拟合直线上的距离的平方和;
//求出使得该平方和最小的a,b的值 ;
long long int k1=0;
long long int k2=0;
long long int k3=0;
long long int k4=0;
long long int k5=0;
long long int k6=0;
for (inti=0;i<image_threshold->height;i++)
{
for (intj=0;j<image_threshold->width;j++)
{
if(cvGetReal2D(image_threshold,i,j)==255)
{
k1+=2*i*i;
k2+=2*i;
k3+=2*i*j;
k4+=2*i;
k5+=2;
k6+=2*j;
}
}
}
double a,b;
a = (double)(k3*k5-k6*k2)/(k1*k5-k4*k2);
b = (double)(k3-k1*a)/k2;
int bottom = image_threshold->height;
int top = 0;
for(int i =0;i<image_threshold->height;i++)
for(int j =0;j<image_threshold->width;j++)
{
if(cvGetReal2D(image_threshold,i,j) == 255)
{
if(i>top)
top= i;
if(i<bottom)
bottom= i;
}
}
for (inti=bottom;i<top;i++)
{
int temp_y = a*i+b;
if(temp_y<src->width&&temp_y>0)
{
cvCircle(src,cvPoint(temp_y,i),1,cvScalar(255,255,255));
//cvSet2D(src,i,temp_y,cvScalar(255,255,255));
}
cvShowImage("直线拟合",src);
}
cvReleaseImage(&src);
}
拟合效果如下:
而曲线拟合,则是在直线拟合的基础上,进行相似的偏导计算,只是设所拟合的曲线方程为y=a*x*x+b*x+c
代码如下:
/*对图像中的亮点进行二次曲线拟合;*/
void cvCurveFit2D(IplImage* src)
{
IplImage*image_threshold = cvCreateImage(cvGetSize(src),8,1);
cvCvtColor(src,image_threshold,CV_BGR2GRAY);
cvThreshold(image_threshold,image_threshold,50,255,CV_THRESH_BINARY);
//cvShowImage("cvCurveFit2D[Threshold]",image_threshold);
//设拟合的二次曲线方程为y=ax2+bx+c;
//先求出各点到拟合曲线上的距离的平方和;
//求出使得该平方和最小的a,b,c的值 ;
double a,b,c;
long long int k1=0;
long long int k2=0;
long long int k3=0;
long long int k4=0;
long long int k5=0;
long long int k6=0;
long long int k7=0;
long long int k8=0;
long long int k9=0;
long long int k10=0;
long long int k11=0;
long long int k12=0;
for (inti=0;i<image_threshold->height;i+=5)
{
for (intj=0;j<image_threshold->width;j+=5)
{
if(cvGetReal2D(image_threshold,i,j)==255)
{
//cvCircle(src,cvPoint(j,i),1,cvScalar(0,0,0));
//如果该点为亮点,则将其加入拟合点;
//cout<<"k1="<<k1<<",i="<<i<<",j="<<j<<endl;
k1= k1+(long longint)i*i*i*i; //k1==2x^4
//cout<<"k1="<<k1<<endl;
//getchar();
k2= k2 + (long longint)i*i*i; //k2==2x^3
k3= k3 + (long longint)i*i; //k3==2x^2
k4= k4 + (long longint)i*i*j; //k4==-2y*x^2
k5= k5 + (long longint)i*i*i;
k6= k6 + (long longint)i*i;
k7= k7 + (long longint)i;
k8= k8 + (long longint)i*j;
k9= k9 + (long longint)i*i;
k10= k10 + (long longint)i;
k11= k11 + 1;
k12= k12 + (long longint)j;
}
}
}
//根据偏导求出a,b,c的值;
long long int t1 = k1/k3-k5/k7;
long long int t2 = k2/k3-k6/k7;
long long int t3 = k4/k3-k8/k7;
long long int t4 = k1/k3-k9/k11;
long long int t5 = k2/k3-k10/k11;
long long int t6 = k4/k3-k12/k11;
a = (double)(t3*t5-t6*t2)/(t1*t5-t4*t2);
b = (double)(t3-t1*a)/t2;
double b1=(double)(t6-t4*a)/t5;
c = (double)(k4-k1*a-k2*b)/k3;
int bottom = image_threshold->height;
int top = 0;
for(int i =0;i<image_threshold->height;i++)
for(int j =0;j<image_threshold->width;j++)
{
if(cvGetReal2D(image_threshold,i,j) == 255)
{
if(i>top)
top= i;
if(i<bottom)
bottom= i;
}
}
for (inti=bottom;i<top;i++)
{
int temp_y = a*i*i+b*i+c;
if(temp_y<src->width&&temp_y>0)
cvCircle(src,cvPoint(temp_y,i),1,cvScalar(255,255,255));
//cvSet2D(src,i,temp_y,cvScalar(255,255,255));
cvShowImage("二次曲线拟合",src);
}
}
拟合效果如下:
- 图像处理中二次曲线拟合
- 二次曲线拟合
- 图像处理中的椭圆拟合(一)
- 一元二次曲线拟合的最小二乘python实现
- 直线拟合、二次曲线拟合、折线拟合和KNN近邻(附代码)
- HTML5中canvas的二次曲线用法
- 曲线拟合的最小二乘法(基于OpenCV实现)的,拟合图像中离散点的拟合直线
- matlab 图像拟合
- codeigniter中处理图像
- php中图像处理
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- 机器学习中防止过拟合的处理方法
- July 16th 模拟赛C T2 奶牛晒衣服 Solution
- vsftpd配置
- 操作系统概论
- Android Camera 流程梳理
- 算发导论第五章部分课后习题
- 图像处理中二次曲线拟合
- Android Animation学习 实现 IOS 滤镜退出动画
- warning: incompatible implicit declaration of built-in function ‘exit’
- elasticsearch 2.3.4 java API 连接,ik分词器,设置集群节点,创建index,mapping的几种方式
- LeetCode-208.Implement Trie (Prefix Tree)
- 机器学习实战1:朴素贝叶斯模型:文本分类+垃圾邮件分类
- Looper Handler MessageQueue Message 探究
- Dubbo与Zookeeper、SpringMVC整合和使用(负载均衡、容错)
- Android — 如何创建和修改 fragment 及相关注意事项