在我的项目中，我有由算法计算的 20.000 个点的大表面。该算法有时会出现错误，错误地计算小区域内的 1 个或多个点。
这个错误无法在算法中解决，需要事后检测。
错误如下图所示:
正如您所看到的，有一个点计算错误，不仅破坏了完全均匀的表面，而且破坏了情节的美感(这在项目中也很重要。)
有时可以多于一个点，一般不超过5或6个。误差总是Z轴，所以不需要检查X和Y
我一直在绞尽脑汁寻找一个有点“通用”的算法来检测这个点。 我认为也许可以获取表面的补丁并表示 Z，然后检测方差中的点......但我不认为它总是有效。
有什么想法吗？
注意:我不想让别人为我编写代码，只是一个想法。
PD:avobe图像的相关代码:
[x,y] = meshgrid([-2:.07:2]);
Z = x.*exp(-x.^2-y.^2);
subplot(1,2,1)
surf(x,y,Z,gradient(Z))
subplot(1,2,2)
Z(35,35)=Z(35,35)+0.3;
surf(x,y,Z,gradient(Z))
最佳答案
标准技巧是使用拉普拉斯算子，寻找最大的异常值。 (这与 Mohsen 提出的答案没有什么不同，但实际上更容易一些。)您甚至可以使用 conv2 来做到这一点，所以它会非常有效。
我可以提供一些实现这个想法的方法。一个简单的方法是使用我的 gridfit 工具，可以在文件交换中找到。 (Gridfit 本质上使用拉普拉斯算子进行平滑操作。)用包含的所有点拟合曲面，然后查找受拟合扰动最大的单个点。排除它，然后重新运行拟合，再次寻找最大的异常值。 (通过 gridfit，您可以使用权重为点赋予零权重，这是排除点或点列表的简单方法。)当所需的最大扰动足够小时，您可以决定停止该过程。一件好事是 gridfit 还将为异常值估算新值，填补所有漏洞。
第二种方法是直接使用拉普拉斯算子，更多的是一种过滤方法。在这里，您只需计算每个点的值，即左、右、上、下每个邻居的平均值。与其计算平均值最不一致的单个值将被替换为新值。或者，您可以使用新值与旧值的加权平均值。再次迭代，直到该过程不会产生任何大于某个容差的东西。 (这是我从 Fortran IMSL 库中记忆起的旧异常值检测和校正方案的基础，但可能可以追溯到大约 30 年前。)
关于matlab - 检测均匀表面中的错误点，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17467893/