寻找峰值 MATLAB

Question

我有一个向量，其中包括图像的一行中的像素灰度级。 vec=IM(:,65); 我展示了我想要检测的数组部分。这些部分将成为我的对象的像素。

如何检测这些对象像素？

vec 的图： 向量在这里： vec

Answer 1

这可以使用信号处理工具箱中的findpeaks 轻松解决。具体来说，对于您的数据，我不得不这样称呼它：

[pks, locs] = findpeaks(max(vec)-vec, 'minpeakdistance', 160, 'minpeakheight', 22);

findpeaks 只找到正峰值（局部最大值）。因此，我们需要做的是将其反转，以便所有局部最小值都变为局部最大值。我通过取向量的最大值并减去向量来做到这一点。因为有很多局部峰，minpeakdistance 字段允许您找到每个峰之间至少相隔这么多的峰。我将其调整为 160。此外，最小峰值高度会找到大于某个数字的峰值，我将其调整为 22。pks 找到实际峰值，locs 为您提供峰值的位置信号。我们需要使用locs 来查找实际峰值数据，因为我们对您的信号的镜像反射版本执行了此操作。因此，要获取实际的峰值数据，请执行以下操作：

pks_final = vecs(loc);

作为演示，让我们绘制此信号以及findpeaks 定位的峰值：

plot(1:numel(vec), vec, locs, vec(locs), 'r.');

原始数据以蓝色绘制，而检测到的峰以红色绘制。这是我得到的：

---

祝你好运！

Answer 2

找到局部峰值有不同的方法，这里我使用与局部平均值的偏差，然后分离区域，并扫描每个区域的最小值。

clear
close all

load a

std_a=std( a(a~=0) );

SMOOTH_SIZE=131;% depend on data size
THRESHOLD=0.7*std_a;

smooth_a = conv(a,ones(SMOOTH_SIZE,1)/SMOOTH_SIZE,'same'); %ma filter

deviation_a=a-smooth_a; 
negdev_a=deviation_a.*(deviation_a<-THRESHOLD); %deviation in negative region (minimum)

negdev_a_left=[negdev_a(2:end) 0]; % helper to find starting index point
negdev_a_right=[0 negdev_a(1:end-1)]; % helper to find end index point

negdev_a(1)=0; negdev_a(end)=0; % make sure that we have zero point
indfrom=find(negdev_a==0 & negdev_a_left~=0); %start index per region
indto=find(negdev_a==0 & negdev_a_right~=0); %start index per region

if(length(indfrom)~=length(indto)), error('error in regions');end

peak_indexes=zeros(1,length(indfrom)); %number of regions
peak_counter = 0;

for i=1:length(indfrom)
  [center_min, min_idx]=min( a( indfrom(i):indto(i) ) );
  real_min_idx=indfrom(i)-1+min_idx; % convert back to original array index
  if( real_min_idx==indfrom(i) || real_min_idx==indto(i) ), continue; end
  left_max=max(a( indfrom(i):real_min_idx-1)); %helper to check for real minimum
  right_max=max(a( real_min_idx+1:indto(i)));  %helper to check for real minimum

  if(center_min<left_max && center_min<right_max) % check if this is real minimum
       peak_counter=peak_counter+1;
       peak_indexes(peak_counter)=real_min_idx;
  end
     % if you need subpixel accuracy you can do some weighted average in the min region
end
peak_indexes=peak_indexes(1:peak_counter); %narrow to found indexes

figure; plot(a); hold on; plot(smooth_a, 'k'); hold off;
figure; plot(deviation_a);hold on;  plot(negdev_a,'r.');hold off;
figure; plot(a);hold on; plot(peak_indexes, a(peak_indexes),'rO');hold off; %result

希望这有帮助， 门迪