基于 numpy 数组的曲线边缘

【问题标题】：Edge of a curve based out of numpy array基于 numpy 数组的曲线边缘
【发布时间】：2021-09-17 01:25:38
【问题描述】：

我正在寻找一些数学指导，以帮助我找到曲线的索引位置（红色圆圈），如下图所示。曲线只是一维 numpy 数组。我试过 scipy - gaussianfilter1d。我也尝试过np.gradient，但我离我想做的事情还很远。渐变是突然变化的，所以一阶渐变应该给我正在寻找的东西。然后我意识到数据不平滑，我尝试通过'gaussianfilter1d'进行平滑。即使那样，我也无法确定它在哪里发生了变化。我有各种类型的这些 numpy 数组（大小相同，值范围为 0 - 1），因此解决方案必须适用，并且不依赖于给定的数据集。所以我不能硬编码。任何想法将不胜感激。

CSV file

【问题讨论】：

能否再添加几个 CSV？
我的方法是：1）过滤数据以平滑曲线 2）找到通过点 (x-y)、x、(x+y) 的圆具有最小半径的索引 x（对于ex y=400) - 中心位于 x 点上方，前半部分和后半部分分别

标签： python numpy filtering smoothing derivative

【解决方案1】：

首先，您使用 scipy's UnivariateSpline 从数据中获得平滑函数。然后绘制绝对斜率至少为最大值 1/4 的区域。

from scipy.interpolate import UnivariateSpline

f= UnivariateSpline(np.arange(5500), y, k=3, s=0.3)
df = f.derivative()
plt.plot(x,f(x))
cond = np.abs(df(x)) > 0.25*np.max(np.abs(df(x)))
plt.scatter(x[cond],f(x[cond]), c='r')

看起来您正在寻找的是标记的第一个和最后一个点。所以你做

(x[cond].min(),f(x[cond].min()).item()), (x[cond].max(), f(x[cond].max()).item())

你的观点是：

((1455, 0.20595740349084446), (4230, 0.1722999962943679))

【讨论】：