我有一個暗圖像(原始格式)，并繪制圖像的圖像和分布 . 正如您所看到的那樣，在16處有一個高峰，請忽略它 . 我想通過這個直方圖擬合高斯曲線 . 我已經使用這種方法來適應：Un-normalized Gaussian curve on histogram . 然而;我的高斯擬合永遠不會接近它應該是什么 . 將圖像轉換為正確的圖形格式或者出現其他問題時，我做錯了嗎？

這是我用來生成此數據的當前代碼：

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

def fitGaussian(x,a,mean,sigma):

return (a*np.exp(-((x-mean)**2/(2*sigma))))

fname = 'filepath.raw'

im = np.fromfile(fname,np.int16)

im.resize([3056,4064])

plt.figure()

plt.set_cmap(viridis)

plt.imshow(im, interpolation='none', vmin=16, vmax=np.percentile(im.ravel(),99))

plt.colorbar()

print 'Saving: ' + fname[:-4] + '.pdf'

plt.savefig(fname[:-4]+'.pdf')

plt.figure()

data = plt.hist(im.ravel(), bins=4096, range=(0,4095))

x = [0.5 * (data[1][i] + data[1][i+1]) for i in xrange(len(data[1])-1)]

y = data[0]

popt, pcov = curve_fit(fitGaussian, x, y, [500000,80,10])

x_fit = py.linspace(x[0], x[-1], 1000)

y_fit = fitGaussian(x_fit, *popt)

plt.plot(x_fit, y_fit, lw=4, color="r")

plt.xlim(0,300)

plt.ylim(0,1e6)

plt.show()

EDIT: (對Reblochon Masque的回應)

如果我在16處移除垃圾箱，我仍然可以獲得相同的適合度：

總結

以上是生活随笔為你收集整理的python直方图拟合曲线_在直方图python中拟合非标准化高斯的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。