直线拟合算法(续)
以前写过一篇博客,介绍直线拟合算法。
http://blog.csdn.net/liyuanbhu/article/details/50866802
给出的代码其实有一点小问题,就是 den = 0 时会出现除以 0 的错误。今天正好也有网友问起这个问题。我就再写一篇短文来说说如何解决这个问题。
首先我们知道:
den=D2xy+(λ−Dxx)2−−−−−−−−−−−−−−√
那么
den=0
意味着:
Dxy=0λ=Dxx
我们还有关于
λ
的计算式:
λ=Dxx+Dyy−(Dxx−Dyy)2+4D2xy−−−−−−−−−−−−−−−−−√2
带入后得到:
Dyy−Dxx=|Dyy−Dxx|
也就是要求 Dyy≥Dxx 。
有了这些就可以分析分析了。
Dxy=0 说明 xi 和 yi 是线性无关的。再往下还可以细分为 2 种情况。
- Dyy>Dxx 这时数据点落在一条垂直直线上,直线方程为 x=x¯ 。
- Dyy=Dxx 数据均匀分布,找不到特殊的方向,无法拟合直线方程。
按照这个分析,我们可以改进我们的代码:
bool lineFit(const std::vector<cv::Point> &points, double &a, double &b, double &c)
{
int size = points.size();
if(size < 2)
{
a = 0;
b = 0;
c = 0;
return false;
}
double x_mean = 0;
double y_mean = 0;
for(int i = 0; i < size; i++)
{
x_mean += points[i].x;
y_mean += points[i].y;
}
x_mean /= size;
y_mean /= size; //至此,计算出了 x y 的均值
double Dxx = 0, Dxy = 0, Dyy = 0;
for(int i = 0; i < size; i++)
{
Dxx += (points[i].x - x_mean) * (points[i].x - x_mean);
Dxy += (points[i].x - x_mean) * (points[i].y - y_mean);
Dyy += (points[i].y - y_mean) * (points[i].y - y_mean);
}
double lambda = ( (Dxx + Dyy) - sqrt( (Dxx - Dyy) * (Dxx - Dyy) + 4 * Dxy * Dxy) ) / 2.0;
double den = sqrt( Dxy * Dxy + (lambda - Dxx) * (lambda - Dxx) );
if(fabs(den) < 1e-5)
{
if( fabs(Dxx / Dyy - 1) < 1e-5) //这时没有一个特殊的直线方向,无法拟合
{
return false;
}
else
{
a = 1;
b = 0;
c = - x_mean;
}
}
else
{
a = Dxy / den;
b = (lambda - Dxx) / den;
c = - a * x_mean - b * y_mean;
}
return true;
}