我有大量的像素颜色(96,000 种不同的颜色):
我想得到某种数学定义的概率区域,例如 this question :
我现在看到的主要障碍——谷歌上的所有方法主要是关于可视化和二维空间,但没有找到方程系数的算法,例如:
a1x2 + b1y2 + c1y2 + a2xy + b2xz + c2yz + a 3x + b3y + c3z = 0
和this paper在 python 中实现它对我来说太难了。 :(
无论如何,我只想确定某个像素是否或多或少位于我所拥有的音域内。
我尝试使用 scikit 集群来实现它,但由于只有一个而失败了 一组数据,大概。并创建一个数组 2563 元素 表示每个像素颜色的方式似乎是错误的。
不知道有没有简单的方法来确定这个点簇的边界? 或者,也许我只是想得太多了,还有像 OpenCV 这样的东西 cv2.inRange() 函数?
最佳答案
这可以通过椭圆多项式的优化和拟合来解决。然而,我会从更快的几何方法开始:
找到平均点位置
那将是你的椭圆体的中心
p0 = sum (p[i]) / n // average i = { 0,1,2,3,...,n-1 } // of all points
如果您的点密度不是同质的,那么使用边界框中心会更安全。所以找到
xmin,ymin,zmin,xmax,ymax,zmax
,它们之间的中间就是你的中心。找到离中心最远的点
这会给你主要的半轴
pa = p[j]; |p[j]-p0| >= |p[i]-p0| // max i = { 0,1,2,3,...,n-1 } // of all points
找到第二个半轴
所以向量
pa-p0
垂直于其他半轴所在的平面。因此,从该平面找到到p0
的最远点:pb = p[j]; |p[j]-p0| >= |p[i]-p0| // max dot(pa-p0,p[j]-p0) == 0 // but inly if inside plane i = { 0,1,2,3,...,n-1 } // from all points
请注意,点积的结果可能不完全为零,因此最好针对以下内容进行测试:
|dot(pa-p0,p[j]-p0)| <= 1e-3
您可以使用任何您想要的阈值(应基于椭圆体大小)。
找到最后一个半轴
所以我们知道最后一个半轴应该垂直于两者
(pa-p0) AND (pb-p0)
所以找到这样的点:
pc = p[j]; |p[j]-p0| >= |p[i]-p0| // max dot(pa-p0,p[j]-p0) == 0 // but inly if inside plane dot(pb-p0,p[j]-p0) == 0 // and perpendicular also to b semi-axis i = { 0,1,2,3,...,n-1 } // from all points
椭圆体
现在您拥有了形成椭圆体所需的所有参数。载体
(pa-p0),(pb-p0),(pc-p0)
是椭圆体的基向量(您可以使用叉积使它们垂直)。它们的大小为您提供了半径。
p0
是中心。您还可以使用此参数方程:a=pa-p0; b=pb-p0; c=pc-p0; p(u,v) = p0 + a*cos(u)*cos(v) + b*cos(u)*sin(v) + c*sin(u); u = < -0.5*PI , +0.5*PI > v = < 0.0 , 2.0*PI >
整个过程只是 O(n)
,结果可以用作优化和拟合的起点,以在不损失准确性的情况下加快它们的速度。如果想进一步提高准确率见:
子链接向您展示了适合的例子......
你也可以看看这个:
这与您的任务基本相似,但仅在 2D 中仍可能会给您带来一些想法。
关于python - 包含许多点的椭球方程,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42540785/