基于三点迭代的聚类圆拟合算法

在图像识别过程中,针对圆轮廓局部失真和孤立边缘影响其拟合精度的问题,提出了一种基于三点迭代的K均值聚类圆拟合算法。首先通过链码跟踪约束去除孤立边缘的干扰,然后按设定规则对初始轮廓点进行采样,并基于三点迭代原理生成采样点的特征量,聚类算法依据特征量来剔除轮廓上的异形点,从而完成对采样点集的分类,最后采用最小二乘法对聚类点集进行拟合并与传统的圆拟合算法作了对比。针对拟合时K均值聚类算法初始位置敏感的缺陷,作了一定的分析和优化。实验表明该算法对圆轮廓局部几何失真有独特的拟合优势,具有较强的适应性。