Python 图像分析曲线拟合

我有一堆像这样的图片：

相应的数据不可用。我需要在蓝色曲线上自动检索大约100个点（规则的x间隔）。所有曲线都非常相似，所以我需要至少1像素的精度，但亚像素将是首选。好消息是所有曲线都从0,0开始，并在1,1结束，因此我们可能会忘记网格

---

关于pythonlibs的任何提示都有帮助吗？谢谢

我将您的图像保存到一个文件

14154233_input.png

。那么这个节目呢,

import pylab as plt
import numpy as np

# Read image from disk and filter all grayscale
im = plt.imread("14154233_input.png")[:,:,:3]
im -= im.mean(axis=2).reshape(im.shape[0], im.shape[1], 1).repeat(3,axis=2)
im_maxnorm = im.max(axis=2)

# Find y-position of remaining line
ypos = np.ones((im.shape[1])) * np.nan
for i in range(im_maxnorm.shape[1]):
    if im_maxnorm[:,i].max()<0.01:
        continue
    ypos[i] = np.argmax(im_maxnorm[:,i])

# Pick only values that are set
ys = 1-ypos[np.isfinite(ypos)]
# Normalize to 0,1
ys -= ys.min()
ys /= ys.max()

# Create x values
xs = np.linspace(0,1,ys.shape[0])

# Create plot of both 
# read and filtered image and
# data extracted
plt.figure(figsize=(4,8))
plt.subplot(211)
plt.imshow(im_maxnorm)
plt.subplot(212, aspect="equal")
plt.plot(xs,ys)
plt.show()

将pylab作为plt导入
将numpy作为np导入
#从磁盘读取图像并过滤所有灰度
im=plt.imread（“14154233_input.png”）[：，：，：3]
im-=im.平均值（轴=2）。重塑（im.形状[0]，im.形状[1]，1）。重复（3，轴=2）
im_maxnorm=im.max（轴=2）
#找到剩余直线的y位置
ypos=np.ones（（im.shape[1]）*np.nan
对于范围内的i（im_maxnorm.shape[1]）：
如果im_maxnorm[：，i].max（）首先，通过

from scipy.misc import imread    
im = imread("thefile.png")

这提供了一个三维numpy阵列，第三维是颜色通道（RGB+alpha）。曲线在蓝色通道中，但网格也在那里。但在红色通道中，有网格而不是曲线。所以我们用

a = im[:,:,2] - im[:,:,0]

现在，我们需要沿着每列的最大值的位置。对于一个像素精度，它由

y0 = np.argmax(a, axis=0)

如果列中没有蓝色曲线，即帧外，则结果为零。On可以通过以下方式获得帧的限制：

xmin, xmax = np.where(y0>0)[0][[0,-1]

使用此选项，可以重新缩放x轴

然后，你需要亚像素分辨率。让我们集中讨论一个专栏

f=a[:,x]

我们使用牛顿法的一次迭代来优化极值的位置

y1 = y0 - f'[y]/f''[y]

注意，由于谨慎采样，我们无法进一步迭代。然而，我们需要一个很好的导数近似，所以我们将使用一个5点格式

coefprime = np.array([1,-8, 0, 8, -1], float)
coefsec = np.array([-1, 16, -30, 16, -1], float)
y1 = y0 - np.dot(f[y0-2:y0+3], coefprime)/np.dot(f[y0-2:y0+3], coefsec)

附言：Thorsten Kranz比我快（至少在这里），但我的答案有亚像素精度，我提取蓝色曲线的方法可能更容易理解。
有趣的问题，我正在研究解决方案，但亚像素精度不太可能。只是半自动的，但仍然与问题相关，这个web应用程序可以创造奇迹：我对pylab不实用，我能请你解释一下
im-=im.mean（axis=2）。重塑（im.shape[0]，im.shape[1]，1）。重复（3，axis=2）
行是如何工作的吗？当然。imread为我们提供了一个RGBA图像，也就是说，我们的数组具有形状（x，y，4），我通过丢弃alpha（前一行中的[：，：，：3]）立即减小了形状。然后我想将所有红=绿=蓝（从黑到白的所有灰色）的颜色设置为黑色，这样只剩下蓝线。我通过减去每个像素的R、G和B值的平均值来实现这一点。如果它们相等，则全部为零
.mean（axis=2）
计算平均值，形成二维数组
.reforme（）
只需添加一个3，即可使其再次成为3d。透镜1的暗度
.repeat（）
将数组的形状重置为
im