快速线性回归
1.实验目的
实现K230对图像中的直线进行线性回归。
2.实验原理
2.1 原理解析
快速线性回归的原理是基于最小二乘法(Least Squares Method),其核心思想是:
在一组二维平面点中,寻找一条直线 y=ax+by = ax + by=ax+b,使所有点到该直线的“垂直距离的平方和”最小。
这种方法在图像处理中也很常用,比如在 CanMV 中的 get_regression(),它会在图像上的非零像素点集合中,寻找一条最优拟合直线。
在图像上,我们对所有非零像素(或满足阈值的像素)的位置 (x,y)(x, y)(x,y) 执行最小二乘法,即:
- 把每个符合条件的像素看作一个点;
- 然后对这些点拟合出一条最佳线性模型;
- 结果中返回的是线段坐标、斜率角度 θ、极坐标形式 rho、以及拟合质量指标
magnitude。
2.2 API
get_regression 函数用于从图像中检测回归线,即拟合数据点的直线。通常用于标记数据的趋势或方向。
- 语法
line = img.get_regression(threshold=1000, min_length=10, max_distance=5)
-
参数解释
- threshold:直线的最小长度。默认值是
1000。 - min_length: 拟合线的最小长度。默认值是
10。 - max_distance: 允许的数据点到回归线的最大距离。默认值是
5。
- threshold:直线的最小长度。默认值是
-
返回值
返回一个包含回归线信息的
Line对象,表示拟合的直线。
3.代码解析
获取当前图像帧
img = sensor.snapshot()
进行二值化
if BINARY_VISIBLE:
img = img.binary([THRESHOLD])