在图像测量系统中, 测量系统的精度与边缘提取的精度成直接的正比关系, 普通算法的精度为像素级, 现在最常用的 亚像素算法是重心法。这里提出了一种利用曲线拟合方法的亚像素边缘提取算法, 介绍了算法的推导过程, 给出了算法的计 算公式, 最后给出了实验结果。

基于Matlab的高斯曲线拟合求解

数值分析实验 曲线拟合的最小二乘法的Matlab算法

方便大家使用的最小二乘法曲线拟合的Matlab程序-untitled2.fig 非常方便用户使用,直接按提示操作即可;这里我演示一个例子: 请以向量的形式输入x,y. x=[1,2,3,4] y=[3,4,5,6] 通过下面的交互式图形，你可以事先估计一下你要拟合的多项式的阶数，方便下面的计算. polytool()是交互式函数,在图形上方[Degree]框中输入阶数,右击左下角的[Export]输出图形 回车打开polytool交互式界面 回车继续进行拟合     输入多项式拟合的阶数   m = 4 Warning: Polynomial is not unique; degree >= number of data points. > In polyfit at 72   In zxecf at 64       输出多项式的各项系数          a = 0.0200000000000001          a = -0.2000000000000008          a = 0.7000000000000022          a = 0.0000000000000000          a = 2.4799999999999973       输出多项式的有关信息 S         R: [4x5 double]        df: 0     normr: 2.3915e-015 Warning: Zero degrees of freedom implies infinite error bounds. > In polyval at 104   In polyconf at 92   In zxecf at 69          观测数据     拟合数据        x         y       yh     1.0000    3.0000    3.0000     2.0000    4.0000    4.0000      3     5     5     4.0000    6.0000    6.0000       剩余平方和            Q = 0.000000         标准误差        Sigma = 0.000000         相关指数           RR = 1.000000 请输入你所需要拟合的数据点，若没有请按回车键结束程序.     输入插值点             x0 = 3     输出插值点拟合函数值   y0 = 5.0000 >> 结果： untitled.fig Figure88.jpg 最小二乘法曲线拟合的程序 untitled2.fig Figure89.jpg 最小二乘法曲线拟合的程序

使用python进行线性拟合和曲线拟合

函数基础逼近算法，对离散试验数据点的多项式曲线拟合

功能：演示RBF算法在计算机视觉中的应用，基于RBF实现曲线拟合；Matlab

matlab最小二乘法进行曲线拟合（源码+注释） 特别详细介绍了多项式拟合（代码+运行截图）。

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

用于拟合各种函数曲线，可实现多变量函数拟合。 利用通用全局优化算法，不需给出参数初始值，即可找出最优解，具有超强的寻优容错能力。