【python图像处理】直线和曲线的拟合与绘制(curve_fit()详解)
在数据处理和绘图中,我们通常会遇到直线或曲线的拟合问题,python中scipy模块的子模块optimize中提供了一个专门用于曲线拟合的函数curve_fit()。
下面通过示例来说明一下如何使用curve_fit()进行直线和曲线的拟合与绘制。
代码如下:
- import numpy as np
- import matplotlib.pyplot as plt
- from scipy import optimize
- #直线方程函数
- def f_1(x, A, B):
- return A*x + B
- #二次曲线方程
- def f_2(x, A, B, C):
- return A*x*x + B*x + C
- #三次曲线方程
- def f_3(x, A, B, C, D):
- return A*x*x*x + B*x*x + C*x + D
- def plot_test():
- plt.figure()
- #拟合点
- x0 = [1, 2, 3, 4, 5]
- y0 = [1, 3, 8, 18, 36]
- #绘制散点
- plt.scatter(x0[:], y0[:], 25, "red")
- #直线拟合与绘制
- A1, B1 = optimize.curve_fit(f_1, x0, y0)[0]
- x1 = np.arange(0, 6, 0.01)
- y1 = A1*x1 + B1
- plt.plot(x1, y1, "blue")
- #二次曲线拟合与绘制
- A2, B2, C2 = optimize.curve_fit(f_2, x0, y0)[0]
- x2 = np.arange(0, 6, 0.01)
- y2 = A2*x2*x2 + B2*x2 + C2
- plt.plot(x2, y2, "green")
- #三次曲线拟合与绘制
- A3, B3, C3, D3= optimize.curve_fit(f_3, x0, y0)[0]
- x3 = np.arange(0, 6, 0.01)
- y3 = A3*x3*x3*x3 + B3*x3*x3 + C3*x3 + D3
- plt.plot(x3, y3, "purple")
- plt.title("test")
- plt.xlabel('x')
- plt.ylabel('y')
- plt.show()
- return
拟合和绘制解果如下:
当然,curve_fit()函数不仅可以用于直线、二次曲线、三次曲线的拟合和绘制,仿照代码中的形式,可以适用于任意形式的曲线的拟合和绘制,只要定义好合适的曲线方程即可。
如高斯曲线拟合,曲线函数形式如下:
- def f_gauss(x, A, B, C, sigma):
- return A*np.exp(-(x-B)**2/(2*sigma**2)) + C