Python光學仿真學習處理高斯光束分布圖像
通過python處理光斑圖像
1 相關包與圖像讀取
首先需要科學計算必備包numpy和畫圖包matplotlib.pyplot，我們通過后者進行圖像數(shù)據(jù)的讀取.
plt.imread讀取圖片之后為數(shù)據(jù)格式為numpy數(shù)組，可以通過成員函數(shù)astype將整型數(shù)據(jù)變成浮點型，有利于后期處理。
plt.imshow將img的數(shù)據(jù)加載到窗口，plt.show()顯示繪圖窗口，默認顯示為偽彩圖。
python自動畫出了偽彩圖，可以通過在plt.imshow的過程中輸入cmap參數(shù)使之得到灰度圖
>>> plt.imshow(img,cmap=plt.cm.gray) <matplotlib.image.AxesImage object at 0x000002E84F5B4788> >>> plt.show()
2 圖像截取
由于光斑只占據(jù)圖片中很小一部分，大量的冗余信息等同于噪聲，會對后期的數(shù)據(jù)處理造成影響，故需截取感興趣的區(qū)域，plt.ginput函數(shù)提供一種交互操作方法，可返回鼠標點擊的位置，其輸入?yún)?shù)為選取點數(shù)，輸出為點擊的點的坐標。
>>> plt.imshow(img) <matplotlib.image.AxesImage object at 0x000002E857A21448> >>> plt.ginput(2) [(717.0757575757577, 299.8290043290042), (783.5692640692644, 233.33549783549768)]
在python中，通過方括號進行矩陣索引，圖片的截取方法為
>>> roi = img[233:299,717:783] >>> plt.imshow(roi) <matplotlib.image.AxesImage object at 0x000002E84F5B4948> >>> plt.show()
3顯示強度
為了更加直觀地反映光斑強度，以圖片行列為坐標，可以繪制3d強度圖。
繪制二維曲線，要求輸入相應的自變量和因變量，通過點和點的一一對應，畫出曲線。三維圖像繪制亦然，通過np.meshgrid生成網(wǎng)格坐標，作為其 x , y x,y x,y向的自變量，其輸入?yún)?shù)為兩個一維數(shù)組，返回兩個二維數(shù)組，用以表示這兩個數(shù)組方向的坐標。
>>> xNum,yNum = roi.shape #獲取roi的維度 >>> xAxis,yAxis = np.meshgrid(range(yNum),range(xNum)) #range創(chuàng)建長度為xNum的自然數(shù)列 >>> ax = plt.gca(projection='3d') #建立3D坐標軸 >>> ax.plot_surface(xAxis,yAxis,roi) #創(chuàng)建面元圖 <mpl_toolkits.mplot3d.art3d.Poly3DCollection object at 0x0000019EAFF19D48> >>> plt.show()
結(jié)果為
4數(shù)據(jù)擬合
光斑在空間中的分布形式呈中心對稱的特征，故可抽取出其徑向坐標進行降維操作，考慮到數(shù)據(jù)的穩(wěn)定性，并排除非信號區(qū)的影響，可提取每一列的最大值
>>> arr = np.max(roi,0) >>> x = np.arange(len(arr)) >>> plt.plot(x,arr) [<matplotlib.lines.Line2D object at 0x0000019EB469EB48>] >>> plt.show()
結(jié)果如圖所示
在python中，需要通過引入科學計算庫scipy中的優(yōu)化擬合包optimize中的curve_fit函數(shù)來進行數(shù)據(jù)的高斯擬合。curve_fit的輸入?yún)?shù)為擬合函數(shù)，自變量和因變量；輸出參數(shù)為擬合函數(shù)中的其他參數(shù)以及擬合評價參數(shù)。
其中高斯函數(shù)的表達形式為
>>> from scipy.optimize import curve_fit >>> def gauss(x, a, b, c): ... return a*np.exp(-(x-b)**2/c**2) ... >>> abc, para = curve_fit(gauss,x,arr) >>> abc #即上式中的a,b,c array([89.72326971, 35.58522403, 20.86186403]) >>> fitValue = gauss(x,abc[0],abc[1],abc[2]) #擬合值 >>> plt.scatter(x,arr) #繪制原始數(shù)據(jù)的散點圖 <matplotlib.collections.PathCollection object at 0x0000019EB5438D88> >>> plt.plot(x,fitValue) #繪制擬合數(shù)據(jù)的曲線圖 [<matplotlib.lines.Line2D object at 0x0000019EB46D4048>] >>> plt.show()
問題
如果包沒有安裝的話，可以在命令行中用pip文件進行安裝
> pip install numpy > pip install matplotlib > pip install scipy
以上就是Python光學仿真學習處理高斯光束分布圖像的詳細內(nèi)容，更多關于Python處理高斯光束分布圖像的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要介紹了解決python存數(shù)據(jù)庫速度太慢的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
Pygame是一組跨平臺的 Python 模塊，專為編寫視頻游戲而設計,您可以使用 pygame 創(chuàng)建不同類型的游戲，包括街機游戲、平臺游戲等等,今天通過本文給大家介紹Pygame移動游戲角色的實現(xiàn)過程，一起看看吧2021-09-09
這篇文章主要介紹了TensorFlow2實現(xiàn)線性回歸的詳細解析，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-09-09
NoSql數(shù)據(jù)庫介紹及使用Python連接MongoDB
MongoDB是一個非常流行的NoSQL數(shù)據(jù)庫,常用于大規(guī)模數(shù)據(jù)存儲應用,下面這篇文章主要給大家介紹了關于NoSql數(shù)據(jù)庫及使用Python連接MongoDB的相關資料,需要的朋友可以參考下2023-06-06
這篇文章主要介紹了python如何通過pyqt5實現(xiàn)進度條,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-01-01
Python數(shù)據(jù)分析matplotlib設置多個子圖的間距方法
今天小編就為大家分享一篇Python數(shù)據(jù)分析matplotlib設置多個子圖的間距方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-08-08
Tkinter 是 Python 中用于創(chuàng)建圖形用戶界面 (GUI) 的標準庫之一,它是一個簡單而強大的工具,適用于創(chuàng)建各種類型的窗口應用程序,本文給大家介紹了如何基于Python+Tkinter實現(xiàn)音樂播放器,需要的朋友可以參考下2025-03-03
這篇文章主要介紹了Python help()函數(shù)的作用,并舉例說明它的詳細用法,需要的朋友可以參考下2014-03-03
這篇文章主要介紹了python 魔法函數(shù)實例及解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-09-09
進程(process)和線程(thread)是操作系統(tǒng)的基本概念,是操作系統(tǒng)程序運行的基本單元,本文簡要介紹進程和線程的概念以及Python中的多進程和多線程.需要的朋友可以參考下2021-05-05