matlab分区域拟合,Matlab-在具有分布parti的图像的自由区域中拟合最大圆

我想提出另一种基于网格搜索的解决方案。 它不如Ander先进，也不如rahnema1短，但是它应该很容易理解和理解。 而且，它运行非常快。

该算法包括几个阶段：

我们生成一个均匀间隔的网格。

我们找到网格中点到所有提供的点的最小距离。

我们会丢弃所有距离低于某个百分位数(例如第95个百分点)的点。

我们选择包含最大距离的区域(如果我的初始网格足够精细，则该区域应包含正确的中心)。

我们围绕所选区域创建一个新的网格并再次找到距离(这部分显然不是最优的，因为距离是计算到所有点的，包括远点和无关点)。

我们迭代区域内的细化，同时关注值的前5％的方差->如果它下降到某个预设阈值以下，我们将中断。

几点注意事项：

我已经做出了这样的假设：圆不能超出分散点的范围(即散布的边界正方形充当“看不见的墙”)。

适当的百分位数取决于初始网格的精细程度。 这也将影响[x,y,r] = [0.7832, 2.0694, 0.7815]的迭代次数，以及cnt的最佳初始值。

function [xBest,yBest,R] = q42806059

rng(1)

x=rand(1,100)*5;

y=rand(1,100)*5;

%% Find the approximate region(s) where there exists a point farthest from all the rest:

xExtent = linspace(min(x),max(x),numel(x));

yExtent = linspace(min(y),max(y),numel(y)).';

% Create a grid:

[XX,YY] = meshgrid(xExtent,yExtent);

% Compute pairwise distance from grid points to free points:

D = reshape(min(pdist2([XX(:),YY(:)],[x(:),y(:)]),[],2),size(XX));

% Intermediate plot:

% figure(); plot(x,y,'.k'); hold on; contour(XX,YY,D); axis square; grid on;

% Remove irrelevant candidates:

D(D

D(D > xExtent | D > yExtent | D > yExtent(end)-yExtent | D > xExtent(end)-xExtent) = NaN;

%% Keep only the region with the largest distance

L = bwlabel(~isnan(D));

[~,I] = max(table2array(regionprops('table',L,D,'MaxIntensity')));

D(L~=I) = NaN;

% surf(XX,YY,D,'EdgeColor','interp','FaceColor','interp');

%% Iterate until sufficient precision:

xExtent = xExtent(~isnan(min(D,[],1,'omitnan')));

yExtent = yExtent(~isnan(min(D,[],2,'omitnan')));

cnt = 1; % increase or decrease according to the nature of the problem

while true

% Same ideas as above, so no explanations:

xExtent = linspace(xExtent(1),xExtent(end),20);

yExtent = linspace(yExtent(1),yExtent(end),20).';

[XX,YY] = meshgrid(xExtent,yExtent);

D = reshape(min(pdist2([XX(:),YY(:)],[x(:),y(:)]),[],2),size(XX));

D(D

I = find(D == max(D(:)));

xBest = XX(I);

yBest = YY(I);

if nanvar(D(:)) < 1E-10 || cnt == 10

R = D(I);

break

end

xExtent = (1+[-1 +1]*10^-cnt)*xBest;

yExtent = (1+[-1 +1]*10^-cnt)*yBest;

cnt = cnt+1;

end

% Finally:

% rectangle('Position',[xBest-R,yBest-R,2*R,2*R],'Curvature',[1 1],'EdgeColor','r');

我从Ander的示例数据中得到的结果是[x,y,r] = [0.7832, 2.0694, 0.7815](相同)。 执行时间大约是Ander解决方案的一半。

以下是中间图：

从一个点到所有提供的点集的最大(清晰)距离的轮廓：

在考虑到边界的距离之后，仅保留最远5％的遥远点，并仅考虑包含最大距离的区域(一块表面代表保留的值)：

最后：