个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
25
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python图像处理之直线和曲线的拟合与绘制【curve_fit()应用】由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
本文实例讲述了Python图像处理之直线和曲线的拟合与绘制。分享给大家供大家参考，具体如下:
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:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
# -*- coding:utf-8 -*-
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(
"www.zzvips.com test"
)
plt.xlabel(
'x'
)
plt.ylabel(
'y'
)
plt.show()
return
plot_test()
|
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:
|
1
2
|
def
f_gauss(x, A, B, C, sigma):
return
A
*
np.exp(
-
(x
-
B)
*
*
2
/
(
2
*
sigma
*
*
2
))
+
C
|
希望本文所述对大家Python程序设计有所帮助.
原文链接：https://blog.csdn.net/guduruyu/article/details/70313176 。
最后此篇关于Python图像处理之直线和曲线的拟合与绘制【curve_fit()应用】的文章就讲到这里了,如果你想了解更多关于Python图像处理之直线和曲线的拟合与绘制【curve_fit()应用】的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
25
4
0
我正在尝试将数据放入 this file 中使用 Python 中 scipy 的 curve_fit。该文件包含以摄氏度和毫秒为单位的温度与时间的数据点。我将它们转换为开尔文和秒: thefile
我正在尝试将数据集拟合到这个庞大的方程中。我知道以前有人问过这个问题，但我不认为最初的猜测是我的问题，我也不能在拟合方程中添加更多项。 我的拟合方程。请注意，积分中的“u”与上面定义的 u 不同。 顺
我有一个包含多列的 pandas.DataFrame ，我想应用 curve_fit对他们每个人都有作用。我希望输出是一个数据框，其中具有适合列中数据的最佳值(目前，我对它们的协方差不感兴趣)。 df
我在这里定义了一个函数来返回任意数量的高斯分布的总和: import numpy from numpy import * import matplotlib.pyplot as plt from sc
我正在尝试将高斯拟合到光谱中，y 值大约为 10^(-19)。在我将整个数据乘以 10^(-19) 之前和之后，Curve_fit 给我的拟合结果都很差。附件是我的代码，它是一组相当简单的数据，只是值
我需要适应scipy.optimize.curve_fit一些看起来像图中点的数据。我使用函数 y(x) (见下面的 def)它给出了一个常量 y(x)=c对于 x p[0] '''
我是 Scipy.optimize curve_fit() 工具的新手。我试图找到一个最能模拟图中曲线(时间序列信号的一部分)的函数，但同时我只是将正弦曲线拟合到它并得到一条平坦的线。有人能发现我做错
the link of data from dropbox badfitting我尝试使用 curve_fit 来将数据与我在 python 中的预定义函数进行拟合，但结果远非完美。代码很简单，如下所
抱歉，我是 python 和堆栈流方面的新手。所以我无法发布图像。 我想用Python中的curve_fit函数进行幂律回归。但结果对我来说很奇怪。我用excel进一步检查了一下。看起来这两者差别很大
我正在尝试为拟合函数传递两个数组，该函数接受两个值。 数据文件: 第一栏:时间第 2 栏:温度第 3 栏:交易量第 4 栏:压力 0.000,0.946,4.668,0.981 0.050,0.946
对于我的学士论文，我正在研究一个项目，我想在其中对某些数据进行拟合。问题有点复杂，但我尽量减少这里的问题: 我们有三个数据点(可用的理论数据很少)，但这些点高度相关。 使用 curve_fit 来拟合
Python 的 curve_fit计算具有单个自变量的函数的最佳拟合参数，但是有没有办法使用 curve_fit 或其他方法来拟合具有多个自变量的函数？例如: def func(x, y, a, b
本文实例讲述了Python图像处理之直线和曲线的拟合与绘制。分享给大家供大家参考，具体如下： 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optim
我正在尝试使用 curve_fit 来拟合一个简单的正弦波(甚至没有任何噪声)作为测试，然后再继续解决更复杂的问题。不幸的是，它甚至没有给出正确的答案。这是我的语法: x = linspace(0,1
我正在使用Scipy将数据适合一个函数。该函数为我提供了2个参数的值，在这种情况下， a 和 b 。我想使用绑定(bind)的参数来限制这些参数可以采用的值，每个参数都有自己的可接受值范围。 可接受的
我试图找到一条拟合我的数据的曲线，该曲线在视觉上似乎具有幂律分布。 我希望利用 scipy.optimize.curve_fit，但无论我尝试什么函数或数据规范化，我都会得到 RuntimeError
我尝试使用curve_fit拟合对数曲线，假设它遵循Y=a*ln(X)+b，但拟合的数据看起来仍然不正确. 现在我正在使用以下代码: from scipy.optimize import curve_
我正在尝试使用 scipy 的 curve_fit 拟合分布。我尝试拟合一个单分量指数函数，结果几乎是一条直线(见图)。我还尝试了两分量指数拟合，似乎效果很好。两个分量仅意味着方程的一部分使用不同的输
为了拟合双曲函数，我尝试使用以下代码: import numpy as np from scipy.optimize import curve_fit def hyperbola(x, s_1, s_
看起来它只适合第一个参数。 当我尝试使用 curve_fit 示例生成曲线时，这一切都很好，但当我使用自己的数据时却不然。 这是我的原始数据:https://pastebin.com/0hs2JVXL
我是一名优秀的程序员,十分优秀！