python打造光斑处理系统6：高斯拟合

本文主要是介绍python打造光斑处理系统6：高斯拟合，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

- 构建拟合函数
- 数据获取
- 打印信息

光斑处理：python处理高斯光束的图像
光斑处理系统：

程序框架🌟打开图像🌟参数对话框/伪彩映射🌟裁切ROI
光强分布

构建拟合函数

scipy中提供了非线性最小二乘回归算法，在曲线拟合方面有着不错的表现，所以下面先不考虑UI，创建一个高斯拟合工具，非常简单，如下图所示

from scipy.optimize import curve_fitdef fitGauss(x, y):gauss = lambda x,a,b,c : a*np.exp(-(x-b)**2/c**2)abc,para = curve_fit(gauss,x,y)Y = gauss(x,abc[0],abc[1],abc[2])info = "fit Model : a*exp(-(x-b)^2/c^2)\n"info += f"a={abc[0]:3f},b={abc[1]:3f},c={abc[2]:3f}"info += f"\nfit para:\n{para}"return Y, info

其中， $x, y$ 是用于曲线拟合的数据， $Y$ 是拟合曲线，abc是一个包含 $a, b, c$ 的数组，这三个参数即可组成一个高斯函数

$y=a\exp[-\frac{(x-b)^2}{c^2}]$

数据获取

有了拟合函数，接下来只要生成适用于拟合的数据，就可以得到拟合曲线了，为此，暂时对图像按列取最大值，并以此作为待拟合数据。

在完成数据拟合后，需要分别用散点图绘制原始数据，并用曲线图绘制拟合结果，img_fit定义如下。

    def img_fit(self):y = np.max(self.img, 0)x = np.arange(len(y))Y, info = fitGauss(x,y)self.fig.clf()ax = self.fig.gca()ax.scatter(x,y,marker='.',label="origin data")ax.plot(x,Y,lw=1, label="fit data")ax.legend()self.canvas.draw()

先点击【裁切】，在弹出对话框中输入【thres】模式，然后点击【拟合】，运行结果如下

在这里插入图片描述

打印信息

尽管绘制了数据，但图窗中并没有空间输出具体的拟合参数，所以也无法评价光束的拟合信息。为此，可以创建一个对话框，专门用于打印相关信息，

def showInfo(txt):root = tk.Tk("help")root.title("光斑分析工具帮助文件")text = tk.Text(root)text.pack(expand=1,fill=tk.BOTH)text.insert(tk.END,txt)root.mainloop()

然后再img_fit绘图之后加上一行

        showInfo(info)

从而拟合结束之后，就会弹出拟合的参数信息，至此，一个基本的光斑分析工具就算完成了。

fit Model : a*exp(-(x-b)^2/c^2)
a=58.680398,b=27.761098,c=19.362408
fit para:
[[ 0.38468135 -0.0015651  -0.09690099][-0.0015651   0.02802167  0.00143946][-0.09690099  0.00143946  0.06715842]]