如何将二维椭圆拟合给定点

我想安装一个2D array通过椭圆函数：(x / a)² + (y / b)² = 1---->（所以得到a和b）

然后，能够在我的图表上重新绘制它。 我在互联网上找到了很多例子，但没有人给出这个简单的笛卡尔方程。我可能搜索得很糟糕！我认为这个问题的基本解决方案可以帮助很多人。

以下是数据示例：

可悲的是，我无法输入这些值......所以让我们假设我有一个 X,Y 数组定义每个点的坐标.

这可以直接使用最小二乘法来求解。您可以将此定义为最小化数量平方和 (alpha * x_i^2 + beta * y_i^2 - 1)，其中 alpha 为 1/a^2，beta 为 1/b^2。您拥有 X 中的所有 x_i 和 Y 中的 y_i，因此您可以找到 ||Ax - b||^2 的最小值，其中 A 是 Nx2 矩阵（即 [X^2, Y^2]），x 是列向量 [alpha; beta] 和 b 是全 1 的列向量。

以下代码解决了 Ax^2 + Bxy + Cy^2 + Dx +Ey = 1 形式的椭圆的更一般问题，尽管想法完全相同。 print 语句给出 0.0776x^2 + 0.0315xy+0.125y^2+0.00457x+0.00314y = 1 生成的椭圆的图像也如下

import numpy as np
import matplotlib.pyplot as plt
alpha = 5
beta = 3
N = 500
DIM = 2

np.random.seed(2)

# Generate random points on the unit circle by sampling uniform angles
theta = np.random.uniform(0, 2*np.pi, (N,1))
eps_noise = 0.2 * np.random.normal(size=[N,1])
circle = np.hstack([np.cos(theta), np.sin(theta)])

# Stretch and rotate circle to an ellipse with random linear tranformation
B = np.random.randint(-3, 3, (DIM, DIM))
noisy_ellipse = circle.dot(B) + eps_noise

# Extract x coords and y coords of the ellipse as column vectors
X = noisy_ellipse[:,0:1]
Y = noisy_ellipse[:,1:]

# Formulate and solve the least squares problem ||Ax - b ||^2
A = np.hstack([X**2, X * Y, Y**2, X, Y])
b = np.ones_like(X)
x = np.linalg.lstsq(A, b)[0].squeeze()

# Print the equation of the ellipse in standard form
print('The ellipse is given by {0:.3}x^2 + {1:.3}xy+{2:.3}y^2+{3:.3}x+{4:.3}y = 1'.format(x[0], x[1],x[2],x[3],x[4]))

# Plot the noisy data
plt.scatter(X, Y, label='Data Points')

# Plot the original ellipse from which the data was generated
phi = np.linspace(0, 2*np.pi, 1000).reshape((1000,1))
c = np.hstack([np.cos(phi), np.sin(phi)])
ground_truth_ellipse = c.dot(B)
plt.plot(ground_truth_ellipse[:,0], ground_truth_ellipse[:,1], 'k--', label='Generating Ellipse')

# Plot the least squares ellipse
x_coord = np.linspace(-5,5,300)
y_coord = np.linspace(-5,5,300)
X_coord, Y_coord = np.meshgrid(x_coord, y_coord)
Z_coord = x[0] * X_coord ** 2 + x[1] * X_coord * Y_coord + x[2] * Y_coord**2 + x[3] * X_coord + x[4] * Y_coord
plt.contour(X_coord, Y_coord, Z_coord, levels=[1], colors=('r'), linewidths=2)

plt.legend()
plt.xlabel('X')
plt.ylabel('Y')
plt.show()