曲线拟合方法在影像测量中的应用.docVIP

PAGE PAGE 4 曲线拟合方法在影像测量中的应用 李洪涛1011201055机械学院 1 引言 影像测量通常采用CCD等图像传感器件获取图像信息将其转化为数字信号并采集到计算机，再利用图像处理技术对数字图像信号进行处理得到所需要的各种图像信息，最终利用标定技术将图像坐标系中的图像尺寸转换为实际尺寸实现测量。图像中的轮廓曲线作为被测对象显得尤为重要，而拟合的误差也关乎到测量的精度问题。 2 曲线拟合 给定一组有序的数据点Pi（i=1,2,…,n），要求构造一条曲线，顺序通过这些数据点，称为对这些数据点进行插值，所构造的曲线称为插值曲线，所用数学方法称为曲线插值法；如果构造的曲线在某种意义下最为接近给定的数据点，称为对这些数据点进行逼近，所构造的曲线称为逼近曲线，该数学方法称为曲线逼近法。插值和逼近统称为拟合。 2.1 插值理论 设函数y=f(x)在区间[a,b]上连续，在[a,b]上有互异点x0,x1,…,xn处取值y0,y1,…,yn 。如果函数φ(x)在点xi上满足φ(xi)=yi (i=0,1,2,…,n)，则称φ(x)是函数y=f(x)的插值函数，x0,x1,…,xn是插值节点。若此时φ(x)是代数多项式P(x)，则称P(x)为插值多项式。显然 f(x)≈φ(x)，x∈[a,b]。 拉格朗日插值： 构造n次多项式Pn (x)=yk lk (x)=y0l0 (x)+y1l1 (x)+…+ynln lk(x)= 牛顿插值： 构造n次多项式N(x)=f(x0) + f(x0,x1)(x-x0) + f(x0,x1,x2)(x-x0)(x-x1) + …+ f(x0,x1,x2,…,xn)(x-x0)(x-x1) … (x-xn)称为牛顿插值多项式，其中 (二个节点，一阶差商) (三个节点，二阶差商) (n+1个节点，n阶差商) 分段插值： 线性插值是已知n+1个不同节点x0,x1,…,xn ,构造分段一次线性多项式P(x)，使之满足（1）P(x)在[a,b]上连续 （2） P(xk)=yk （3）P(x)在[xi,xi+1]上是线性函数，P(x)= 两点带导数插值是区间[a,b]上两个互异节点xi,xi+1，已知实数y i,y i+1,m i,m i+1，为了构造次数不大于3的多项式满足条件 引入,使之满足 可以求出 =+，其中 三次样条插值： 对于给定n+1个不同节点x0,x1,…,xn及函数值y0,y1,…,yn，其中a=x0x1…xn=b。构造三次样条插值函数S(x)。S(x)称为三次样条函数时需满足：(1)S(x)在[a,b]上二阶导数连续（2）S(xk)=yk (k=0,1,…,n)（3）每个子区间[xk,xk+1]上S(x)是三次多项式(k=0,1,…,n) 2.2 最小二乘法 在实际生活中，往往需要从一组实验数据（xi,yi）中寻找出变量x,y之间的函数关系。由于观测数据不可避免出现误差，因此并不需要y=f(x)一定要经过所有的点，而只要求在给定点xi上误差Δi=f(xi)-yi按某种标准达到最小。通常用欧式范数║Δ║2作为误差量度的标准。这就是所谓的最小二乘法。 2.3 曲线拟合方法之比较 比较分析上述几种曲线拟合方法，拉格朗日插值法会出现龙格现象，且拟合误差较大;分段插值中注意在子区间内，避免函数在某些区间失真最小二乘法反应所有数据点总的趋势，消除其局部波动，对于杂乱无章的无序离散点拟合比较适用，对于每个点都可能反应线形趋势关键变化的有序离散点拟合效果不够理想;三次样条曲线属于插值样条曲线，线形光滑，具有较好的保形功能，其拟合的精度则由采样点间距决定,但同时要求二阶可导。上述方法在求解过程中，一般要求函数满足连续、可微条件，求解结果有时会陷入局部最优解，特别是非线性最小二乘法还需通过数值迭代算法获得结果，且参数初始值的选择若不合理，有可能导致迭代不收敛，因而在实际应用中具体问题具体分析。 3 实验程序 下图1所示为活塞环开口测量的采集图像。开口上下边缘位置任意。目的是测量开口宽度，即在图像上反映出开口上下两边的距离。图2为一系列经过处理后的图像即提取了上下两个边缘的边缘点。但其实它并不是一个平行的关系。经上曲线拟合方法所述，我们采取最小二乘法拟合下边缘直线，上边缘点到直线求距离的方法。 图1原始开口图像 图2拟合图像 由于图像处理前期在vc下实现。所以直线拟合这部分也在MFC框架下用C++实现。主要程序如下： void COpenWidthMeasure::linearReg_Y_b_kX(double b, double k, double a, CPoint * m_data, int