算法+OpenCV】基于opencv的直线和曲线拟合与绘制（最小二乘法）

http://blog.csdn.net/guduruyu/article/details/72866144

最小二乘法多项式曲线拟合，是常见的曲线拟合方法，有着广泛的应用，这里在借鉴最小二乘多项式曲线拟合原理与实现的原理的基础上，介绍如何在OpenCV来实现基于最小二乘的多项式曲线拟合。

 

概念

最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y= φ(x)。

原理

给定数据点pi(xi,yi)，其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏差δi= φ(xi)-y，i=1,2,...,m。

常见的曲线拟合方法:

1.使偏差绝对值之和最小

2.使偏差绝对值最大的最小

     

3.使偏差平方和最小

按偏差平方和最小的原则选取拟合曲线，并且采取二项式方程为拟合曲线的方法,称为最小二乘法。

推导过程：

1. 设拟合多项式为：

2.各点到这条曲线的距离之和，即偏差平方和如下：

3.为了求得符合条件的a值，对等式右边求ai偏导数，因而我们得到了：

.......

4.将等式左边进行一下化简，然后应该可以得到下面的等式：

.......

5.把这些等式表示成矩阵的形式，就可以得到下面的矩阵：

6.即X*A=Y。

我们只要解出这个线性方程，即可求得拟合曲线多项式的系数矩阵。而在OpenCV中，有一个专门用于求解线性方程的函数，即cv::solve()，具体调用形式如下：

1. int cv::solve(
2. cv::InputArray X, // 左边矩阵X, nxn
3. cv::InputArray Y, // 右边矩阵Y,nx1
4. cv::OutputArray A, // 结果，系数矩阵A,nx1
5. int method = cv::DECOMP_LU // 估算方法
6. );

我们只需要按照上述原理，构造出矩阵X和Y，即可调用该函数，计算出多项式的系数矩阵A。

opencv中支持的估算方法如下图所示：

实现如下：

1. bool polynomial_curve_fit(std::vector<cv::Point>& key_point, int n, cv::Mat& A)
2. {
3. //Number of key points
4. int N = key_point.size();
5. //构造矩阵X
6. cv::Mat X = cv::Mat::zeros(n + 1, n + 1, CV_64FC1);
7. for (int i = 0; i < n + 1; i++)
8. {
9. for (int j = 0; j < n + 1; j++)
10. {
11. for (int k = 0; k < N; k++)
12. {
13. X.at<double>(i, j) = X.at<double>(i, j) +
14. std::pow(key_point[k].x, i + j);
15. }
16. }
17. }
18. //构造矩阵Y
19. cv::Mat Y = cv::Mat::zeros(n + 1, 1, CV_64FC1);
20. for (int i = 0; i < n + 1; i++)
21. {
22. for (int k = 0; k < N; k++)
23. {
24. Y.at<double>(i, 0) = Y.at<double>(i, 0) +
25. std::pow(key_point[k].x, i) * key_point[k].y;
26. }
27. }
28. A = cv::Mat::zeros(n + 1, 1, CV_64FC1);
29. //求解矩阵A
30. cv::solve(X, Y, A, cv::DECOMP_LU);
31. return true;
32. }

测试代码如下：

1. int main()
2. {
3. //创建用于绘制的深蓝色背景图像
4. cv::Mat image = cv::Mat::zeros(480, 640, CV_8UC3);
5. image.setTo(cv::Scalar(100, 0, 0));
6. //输入拟合点
7. std::vector<cv::Point> points;
8. points.push_back(cv::Point(100., 58.));
9. points.push_back(cv::Point(150., 70.));
10. points.push_back(cv::Point(200., 90.));
11. points.push_back(cv::Point(252., 140.));
12. points.push_back(cv::Point(300., 220.));
13. points.push_back(cv::Point(350., 400.));
14. //将拟合点绘制到空白图上
15. for (int i = 0; i < points.size(); i++)
16. {
17. cv::circle(image, points[i], 5, cv::Scalar(0, 0, 255), 2, 8, 0);
18. }
19. //绘制折线
20. cv::polylines(image, points, false, cv::Scalar(0, 255, 0), 1, 8, 0);
21. cv::Mat A;
22. polynomial_curve_fit(points, 3, A);
23. std::cout << "A = " << A << std::endl;
24. std::vector<cv::Point> points_fitted;
25. for (int x = 0; x < 400; x++)
26. {
27. double y = A.at<double>(0, 0) + A.at<double>(1, 0) * x +
28. A.at<double>(2, 0)*std::pow(x, 2) + A.at<double>(3, 0)*std::pow(x, 3);
29. points_fitted.push_back(cv::Point(x, y));
30. }
31. cv::polylines(image, points_fitted, false, cv::Scalar(0, 255, 255), 1, 8, 0);
32. cv::imshow("image", image);
33. cv::waitKey(0);
34. return 0;
35. }

绘制结果：

2017.06.05