热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

探讨OpenCV和Matlab在最小二乘法直线拟合中的结果差异及原因分析

在使用最小二乘法进行直线拟合时,OpenCV和Matlab的计算结果存在显著差异。通过详细分析发现,这种不一致性可能源于两种软件在算法实现、数据处理方式以及数值稳定性上的不同。进一步研究还表明,输入数据的格式和预处理步骤也可能对最终结果产生影响。为了确保结果的一致性和准确性,建议在实际应用中对这两种工具的输出进行对比验证,并选择最适合具体应用场景的方法。
OpenCV 与 Matlab 中最小二乘法拟合直线数据不一致的问题

在使用最小二乘法拟合直线时,在 OpenCV 中拟合出的结果与 Matlab 中不一致。查阅资料后,发现 Matlab 中,使用最小二乘拟合时,使用的残差函数为y 的差值,即拟合值与实际值之间的差值,并不符合要使用点到直接的距离误差最小的思想;OpenCV 中的残差计算,则是使用了点到直线的距离误差最小,但opencv 中,使用了 M 估计对各个点的权重进行调整,因此,在使用过程中,需要注意;
以下为最小二乘法拟合直线的 Python 代码:

import numpy as np
import cv2 as cv
from scipy.optimize import leastsqdef func(p, x):k, b = preturn k * x + bdef error(p, x, y):return func(p, x) - ydef dist_error(p, x, y):k, b = pdist = np.abs(k * x + b - y) / np.sqrt(k**2 + 1)return distdef main():pts = np.array([(1, 3), (2, 5), (3, 8)], dtype=np.float64)x = pts[:, 0]y = pts[:, 1]para = leastsq(error, [1, 0], args=(x, y))para1 = leastsq(dist_error, [1, 0], args=(x, y))vx, vy, x0, y0 = cv.fitLine(pts, cv.DIST_L2, 0, 0.01, 0.01)k = vy / vxb = y0 - k * x0print("y 绝对值最小:", para[0])print("距离最小:", para1[0])print("opencv 拟合结果:", k, b)if __name__ == '__main__':main()

在这里插入图片描述
通过以上结果,可以看出,OpenCV 中的直线拟合,使用的最小二乘法的残差是距离的最小值;
注:由于 opencv 中使用了 M 估计进行了权重的调整,所以,如果只想用单纯的最小二乘法时,可根据需要自行编写算法。


推荐阅读
author-avatar
鸟的蛋蛋
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有