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(