移动最小二乘法曲面拟合随机点拟合法MLS2DMATLAB版

代码是基于MATLAB的移动最小二乘法MLS的曲面拟合。代码是从mathworks上下载的MLS2D，经过自己的分析改进，有较大的提速，提速代码资源里有，这是适用于随机点和一堆离散点的曲面拟合。代码仅供学习参考，切勿用于商业用途，我的博客文章有相关说明：https://blog.csdn.net/liumangmao1314/article/details/89421806

% two-DIMENSIONAL MLS APPROXIMATION
% by Jin Jia
%% 图像随机采样MLS
clc
clear all;
close all;

I=imread（‘22result.jpg‘）;
[rowcolchn]=size（I）;

num=200;%随机采样个数
nnodes=num;
I1=reshape（Irow*col3）;
xy=randi（[1row*col]1num）;
%节点坐标
[xIyI]=ind2sub（[row col]xy）;
%对应的值
ZII=double（I1（xy:））;%更换

% 设置评估点的坐标
[xy] = meshgrid（1: 1 : col1: 1: row）;

npoints = size（x1）*size（y2）;
scale = 30;
% 确定每个节点的支持半径
dmI = scale *0.5* ones（1 nnodes）;
tic
% 评估所有评估点x的MLS形状函数
[PHI DPHIx DPHIy] = MLS2DShape（3 nnodes yIxI npoints xy dmI ‘GAUSS‘ 3.0 ）; 
toc
 
% 曲线拟合. y = peaks（xy）
% ZII  =I（xIIyII:）;    % 节点函数值 
% z  =x.*exp（-x.^2- y.^2）;% 确切的解决方案
Zpoints=zeros（1npoints）;
xh=zeros（1npoints）;
yh=zeros（1npoints）;
II=I-I;
for i=1:npoints
% Zpoints（1i）=z（i）;
xh（1i）=x（i）;
yh（1i）=y（i）;
end
Znodes=zeros（1nnodes）;
for j=1:3
    ZI=ZII（:j）;
%     for i=1:nnodes
%         Znodes（1i）=ZI（:）;
%     end                        %将二维数据转换为一维数据
    zh = PHI *ZI;  % 逼近函数
    II（::j）=reshape（zhrowcol）;
end
toc
ZI=double（ZI）;
% plot3（ xI yI ZI‘k.‘‘LineWidth‘2）;
hold on
surf（xyII（::1））;
toc
% imshow（II）;
% III=imsubtract（III）;
% sum（sum（sum（III）））/（row*col*3）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      62925  2019-04-21 10:31  MLS2D随机点拟合\2222.jpg

     文件       5259  2014-11-18 09:45  MLS2D随机点拟合\22result.jpg

     文件       1311  2019-04-21 10:29  MLS2D随机点拟合\MLS2D2.m

     文件       3251  2018-12-23 21:54  MLS2D随机点拟合\MLS2DShape.m

     文件       4207  2018-12-21 16:38  MLS2D随机点拟合\rectangleWeight.m

     文件   13805040  2019-04-21 10:29  MLS2D随机点拟合\untitled.emf

     目录          0  2019-04-21 11:01  MLS2D随机点拟合

----------- ---------  ---------- -----  ----

             13881993                    7