Matlab：在单个图像中查找多条曲线的峰值答案

【问题标题】：Matlab : Find Peaks of Multiple curves in a single imageMatlab：在单个图像中查找多条曲线的峰值
【发布时间】：2015-10-16 13:14:10
【问题描述】：

绘图中有三条曲线，我无法找到这三条曲线的峰值。

如何去寻找山峰？

以下是(x,y) 的值。

绘制时将给出 3 条不同的曲线。但是，虽然找到最大值只返回最高曲线的峰值。

【问题讨论】：

您是否总是为每条曲线获得一个峰值？也许在每条曲线上单独使用 max() 会更容易。另外，如果您提供一些代码会很好......
这实际上是一组 (x,y) 值。 max() 函数只给出一条曲线。但我需要所有三个曲线。
你能以某种方式分割曲线，得到三个单独的曲线吗？不幸的是，Matlab 不“知道”这里有三条曲线......
如何分割曲线？ (x,y) 值是由传感器获得的，不是用户定义的。
@lhcgeneva 我认为这就是重点。可以尝试拟合 3 个简单多项式的总和，但我猜这已经失败了。编辑：我意识到数据重叠，我看到了问题... Edit2 看看cumsum(y)，并将3 个移位多项式的总和拟合到那个怎么样？这有意义吗？不，我想不会……我想在这种情况下，一组样本数据会很有帮助：)

标签： matlab max matlab-figure

【解决方案1】：

这是一个快速而肮脏的解决方案，绝对不通用，绝对慢，并且可能只节省一点手动工作。它沿着您的x 向量前进，并尝试根据连续点的距离将您的点分类为等价类。这可能比solution of anon0909 更通用一些，但对于分离度较差的数据仍然可能失败，并且需要手动调整以正确选择半径。代码：

%sort to be on the safe side
[x inds]=sort(x);
y=y(inds);

eqradius=15; %the key parameter

equivs=[];
equivs(1).ind=1;
equivs(1).x=x(1); %redundant but useful
equivs(1).y=y(1); %redundant but useful

for i=2:length(x) % go over remaining points
    foundone=0;
    for eqclass=1:length(equivs) %go over found equivalence classes
        if norm([x(i) y(i)] - [equivs(eqclass).x(end) equivs(eqclass).y(end)])<eqradius
            foundone=1;
            equivs(eqclass).ind = [equivs(eqclass).ind; i];
            equivs(eqclass).x = [equivs(eqclass).x; x(i)];
            equivs(eqclass).y = [equivs(eqclass).y; y(i)];
        end
        if foundone==1
            break %break eqclass if
        end
    end

    if ~foundone
        equivs(length(equivs)+1).ind = i;
        equivs(length(equivs)).x = x(i);
        equivs(length(equivs)).y = y(i);
    %else
    %    continue % but the loop is already over
    end
end

%plot classes
figure;
eqclass=1;
hold all;
legendcell={};
for eqclass=1:length(equivs)
    plot(equivs(eqclass).x,equivs(eqclass).y,'o');
    legendcell{end+1}=num2str(eqclass);
end
legend(legendcell);

如您所见，在您的 eqradius=15 案例中，我们无意中将 2 号曲线分成 3 个单独的等价类，因此您仍然需要一些体力劳动。或者你可以尝试增加eqradius，但这最终会导致你的曲线相互拖尾。

这可能是比所引用的更好的解决方案的唯一情况是，当您在同一 y 波段中有两条曲线但在 x 中分离良好...

【讨论】：

【解决方案2】：

这些问题在很大程度上取决于您可以/不能假设的数据集中的特征，以及您希望在代码中自动化的程度。但是，从您提供的数据来看，您似乎可以简单地将每个凹凸按它们的 y 值分开，并取子集的每个最大值。即，像这样：

y1 = y(y<=75);
y2 = y(75<y<=150);
y3 = y(y>150);
max1 = max(y1);
max2 = max(y2);
max3 = max(y3);

【讨论】：