我想缩放来自正态分布的 numpy 数组的显示数据。
Tutorial here建议使用 clim,但在示例中限制被硬编码为 clim=(0.0, 0.7)
。从教程中之前的直方图中获取这些值:
所以,我需要一种漂亮的方法来获取 clim 值(无需硬编码),也许使用标准差(1 sigma、2 sigma、3 sigma)来获取principal值:
我怎样才能做到这一点?
最佳答案
要获得正态分布,您可以使用 scipy.optimize.curve_fit 来将高斯函数拟合到直方图。按照读取图像并获取直方图的步骤,以下是拟合直方图的方法:
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
from scipy.optimize import curve_fit
# Read image
img=mpimg.imread('stinkbug.png')
# Get histogram
hist,bins,_ = plt.hist(img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')
# Get centers of histogram bins
bin_centers = np.mean([bins[:-1],bins[1:]], axis=0)
# Define the Gaussian function
def gaussian(x, mu, sigma, amp):
return amp*np.exp( -(x - mu)**2 / (2.*sigma**2))
# Curve fit
p_opt,_ = curve_fit(gaussian, bin_centers, hist)
# Get the fit parameters
mu, sigma, amp = p_opt
您可以查看拟合情况:
fit = gaussian(bin_centers, mu, sigma, amp)
plt.plot(bin_centers, hist)
plt.plot(bin_centers, fit)
然后您可以使用clim
的拟合参数。首先,这是原始图像:
plt.imshow(img)
此处将像素颜色限制在 3-sigma 范围内:
plt.imshow(img, clim=(mu-3*sigma, mu+3*sigma))
关于正态分布二维numpy数组数据的Python imshow比例,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53560923/