Ranking

Ale co chciałbyś zamiast niej jeśli ona do tego akurat służy? To już kwestia założenia że część punktów obarczona jest większymi błędami niż pozostałe i że te punkty jesteśmy w stanie zidentyfikować. Jeśli jesteś w stanie określić ważność (masę) poszczególnych punktów to możesz to zrobić średnią ważoną. Jeśli zakładasz że punkty w środku ze względu na skupienie są bardziej istotne to musisz po prostu nadać im większą masę. Co możesz osiągnąć robiąc najpierw średnią arytmetyczną a potem nadając punktom masę odwrotnie proporcjonalnie do odległości od środka geometrycznego. W ten sposób skoncentrujesz punkty w środku jeszcze bardziej do środka Ale czy to warte świeczki jest? Różnice nie powinny być duże. No i to powyżej dotyczy błędów przypadkowych a nie stałych. Stałe możesz wyeliminować tylko porównaniem z wzorcem.

Jeśli chodzi o ten punkt jako najmniejsza metoda kwadratów, to bym poczytał o algorytmie na gradient descending. A tak łopatologicznie. To ja bym wziął policzył dla każdego punktu, wynik. Potem odrzucił najdalsze, i jeszcze raz policzył, i znów odrzucił najdalsze aż zostaną 3 punkty i dla nich wyliczył bym centroid [edit, można to oczywiście zoptymalizować to odrzucanie i nie trzeba ciągle przeliczać tego samego) Ale to łopatologicznie, chyba gradiend descending było by najlepsze.

To na szybko z Twojego obrazka. Start od rozmycia 250/250, bez czyszczenia tła. Od ok. 20 pomiarów może by już można próbować.