原始演算法是sphere，我這裡簡化為circle了。
ritter's求最小包圍圓為線性演算法，因為非常簡單，所以應用非常廣泛。
該演算法求出的圓比最優圓大概會大個5%到20%左右，求最優圓應該可以用bouncing bubble演算法，以後有機會可以嘗試一下。
ritter's演算法如下：
1.從點集中隨機選出兩個點作為直徑對圓進行初始化。
2.判斷下乙個點p是否在圓中，如果在則繼續本步驟，如果不在則進行步驟3。
3.使用p作為新圓的乙個邊界點，另乙個邊界點為距離p最遠的圓上的點，使用這兩個點作為直徑構造新圓。
4.繼續步驟2，直到遍歷完所有點。
結果如下：
matlab**如下：
clear all;close all;clc;參考：n=100
;p=rand(n,2
);p1=p(1
,:);
p2=p(2
,:);
r=sqrt((p1(1)-p2(1))^2+(p1(2)-p2(2))^2)/2
;cenp=(p1+p2)/2
;for i=3
:n newp=p(i,:);
d=sqrt((cenp(1)-newp(1))^2+(cenp(2)-newp(2))^2
);
if d>r
r=(r+d)/2
; cenp=cenp+(d-r)/d*(newp-cenp);
endend
hold on;
plot(p(:,
1),p(:,2),'o'
);x0=cenp(1
);y0=cenp(2
);theta=0:0.01:2*pi;
x=x0+r*cos(theta);
y=y0+r*sin(theta);
plot(x,y,'-
',x0,y0,'.'
);axis equal
matlab練習程式（DBSCAN）
和kmeans相比，不需要事先知道資料的類數。以程式設計的角度來考慮，具體演算法流程如下 1.首先選擇乙個待處理資料。2.尋找和待處理資料距離在設定半徑內的資料。3.將找到的半徑內的資料放到乙個佇列中。4.拿佇列頭資料作為當前待處理資料並不斷執行第2步。5.直到遍歷完佇列中所有資料，將這些資料記為一...
matlab練習程式（c c 呼叫matlab）
就我目前了解的c 呼叫matlab有兩種方法。第一種是通過matlab引擎呼叫，也就是這裡用到的方法。第二種是用matlab將m檔案編譯為相應的h lib dll檔案再加以呼叫。使用engine所用到的h和lib檔案基本在d program files matlab r2010b extern裡面，...
matlab練習程式（SUSAN檢測）
susan運算元既可以檢測角點也可以檢測邊緣，不過角點似乎比不過harris，邊緣似乎比不過canny。不過思想還是有點意思的。主要思想就是 首先做乙個和原影象等大的目標影象。然後用乙個圓形的模板，用模板去遍歷原影象每個畫素，把模板內的每個畫素都和模板中心畫素比較，如果灰度小於乙個閾值，那麼就對目標...