Python 圆拟合

上一篇文章介绍了关于OPENCV椭圆拟合的方法 (Python opencv 椭圆拟合)。
在实际工程中，有些场景是需要精确的正圆测量和拟合，使用通用椭圆拟合方式容易引入较大的误差。这一篇文章将介绍关于正圆拟合的方法以及与椭圆拟合算法的对比。

实验数据

我们用sklearn里面的数据集来生成待拟合圆的数据。

    from sklearn.datasets import make_circles
    import numpy as np
    
    def get_unit_circle(shuffle=False, noise=0.02, factor=0.05):
        data = make_circles(shuffle=shuffle, noise=noise, factor=factor)
        idx = np.argwhere(data[1] == 0)
        x = data[0][idx, 0]
        y = data[0][idx, 1]
        return x, y

make_circles会生成内圆和外圆两组数据，对应的标签y分别1，0.
圆心为（0，0）半径为1.
可视化生成的数据

import matplotlib.pyplot as plt

x, y = get_unit_circle()
plt.scatter(x, y)
plt.axis('equal')
plt.show()

圆拟合

在这一步，我们会用SciPy中的optimize.leastsq去实现圆拟合，也就是调用的最小二乘法。

• Cost Function

  from scipy import optimize
  from math import pi
  
  def r(x, y, xc, yc):
  	'''
  	计算每一个点到圆心的距离
  	'''
      return np.sqrt((x-xc)**2 + (y-yc)**2)
  
  
  def f(c, x, y):
  	'''
  	Cost Function	
  	'''
      Ri = r(x, y, *c)
      return np.square(Ri - Ri.mean(