图像分析曲线拟合

我有这样一个一堆图像：图像分析曲线拟合

enter image description here

相应的数据不可用。我需要在蓝色曲线上自动检索约100个点（常规x间隔）。所有的曲线都非常相似，所以我需要至少1个像素的精度，但是亚像素是首选。好消息是所有曲线从0,0开始并以1,1结束，所以我们可能会忘掉网格。

任何提示可以帮助或任何其他方法的Python库？谢谢！

来源

2013-01-04 Dr. Goulu

有趣的问题，我正在研究一个解决方案，但亚像素精度不太可能。 –

只有半自动但仍然相关的问题，这个网络应用程序可以做的奇迹：http://arohatgi.info/WebPlotDigitizer/ –

我将您的图片保存到文件14154233_input.png。那么这个程序

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()

产生以下情节：

Ausgabe

你可以接着用xs和任何你想要做ys。也许你应该把这个代码放在一个返回xs和ys左右的函数中。

可以通过在每列左右拟合gaussians来提高精度。如果你真的需要它，告诉我。

来源

2013-01-04 10:17:27

我不实用pylab，我可以问你解释如何'im - = im.mean（axis = 2）.reshape（im.shape [0]，im.shape [1]，1）.repeat（3，axis = 2）'line works？ –

当然。 imread给了我们一个RGBA图像，也就是说，我们的数组有形状（x，y，4），我立即通过丢弃前一行中的alpha（[：，：，3]）来减少它。然后我想用红色=绿色=蓝色（从黑色到白色的所有灰色）将所有颜色设置为黑色，以便只保留蓝色线条。我通过从每个像素中减去R，G和B值的平均值来做到这一点。如果它们相等，则全部变为零。 '.mean（axis = 2）'计算平均值，制作一个二维数组; '.reshape（）'再次使它成为3d，只需添加一个3. dim的len 1; '.repeat（）'将数组的形状重置为'im'的形状 –

首先，经由

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

这给出了与所述第三尺寸的颜色通道（RGB +阿尔法）一个3D numpy的阵列读出的图像。曲线在蓝色通道中，但网格也在那里。但在红色通道中，您拥有网格而不是曲线。所以我们使用

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

现在，我们要沿每列的最大位置。具有一个像素精度，其由以下公式给出：

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

当列中没有蓝色曲线时，即在帧外部时，结果为零。 On可以得到帧的限制

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

有了这个，您可以重新调整x轴。

然后，你想要亚像素分辨率。让我们专注于单一列

f=a[:,x]

我们使用牛顿方法的单次迭代改进的极值位置

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

请注意，我们不能再重复，因为谨慎的采样。但是，我们想要一个很好的衍生物近似值，所以我们将使用两点的5点方案。

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)

P.S. ：Thorsten Kranz比我快（至少在这里），但我的答案具有亚像素精度，而我提取蓝色曲线的方式可能更容易理解。

来源

2013-01-04 13:23:28

图像分析曲线拟合

回答

相关问题