机器视觉轮廓表示之曲线拟合.docVIP

机器视觉轮廓表示之曲线拟合 7.2曲线拟合 本章将讨论三种常用的曲线模型拟合边缘点的方法：直线段，圆锥曲线段和三次样条 曲线段.一般来说，在用曲线模型拟合边缘点之前应考虑如下两个问題： 用什么方法进行边缘点曲线模型拟合？ 如何测量拟合的逼近程度？ 下面几节将讨论曲线模型拟合边缘点方法，其中假设边缘位置足够精确，不会对拟合 结果产生影响. 设d1是边缘点到一条拟合曲线的距离，该距离值有正负符号，在曲线同一侧的边缘具有相同的正负符号.目前有许多种拟合曲线与候选边缘点拟合效果的测量方法，每一种都取决于拟合曲线和候选点之间的误差.下面是一些常用的方法. 最大绝对误差(maximum absolute error, MAE ) 测量最坏情况下边缘点偏离曲线的距离 均方差（mean squared error，MSE ) 给出边缘点偏离拟合曲线的总的测度 规范化最大误差（normalized maximum error，NME ) 最大绝对误差与曲线长度S之比 误差符号变化次数 这里的误差就是指d1，即边缘点偏离拟合曲线的距离.误差符号变化次数可作为轮廓边缘模型与边缘点曲线适合程度的测度. 曲线长度与端点距离之比 曲线复杂程度的测度. 符号变化是一种评价拟合好坏的很有用的参数.比如，用直线段逼近边缘表.如果符号变化一次，则说明边缘点可以由直线段来逼近，符号变化两次，说明边缘可以由二次曲线