本文實例講述了Python圖像處理之直線和曲線的擬合與繪制。分享給大家供大家參考，具體如下：
在數據處理和繪圖中，我們通常會遇到直線或曲線的擬合問題，python中scipy模塊的子模塊optimize中提供了一個專門用于曲線擬合的函數curve_fit()。
下面通過示例來說明一下如何使用curve_fit()進行直線和曲線的擬合與繪制。
代碼如下：
# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom scipy import optimize#直線方程函數def f_1(x, A, B): return A*x + B#二次曲線方程def f_2(x, A, B, C): return A*x*x + B*x + C#三次曲線方程def f_3(x, A, B, C, D): return A*x*x*x + B*x*x + C*x + Ddef plot_test(): plt.figure() #擬合點 x0 = [1, 2, 3, 4, 5] y0 = [1, 3, 8, 18, 36] #繪制散點 plt.scatter(x0[:], y0[:], 25, "red") #直線擬合與繪制 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") #二次曲線擬合與繪制 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") #三次曲線擬合與繪制 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("m.survivalescaperooms.com test") plt.xlabel('x') plt.ylabel('y') plt.show() returnplot_test()擬合和繪制解果如下：
當然，curve_fit()函數不僅可以用于直線、二次曲線、三次曲線的擬合和繪制，仿照代碼中的形式，可以適用于任意形式的曲線的擬合和繪制，只要定義好合適的曲線方程即可。
如高斯曲線擬合，曲線函數形式如下：
def f_gauss(x, A, B, C, sigma): return A*np.exp(-(x-B)**2/(2*sigma**2)) + C
希望本文所述對大家Python程序設計有所幫助。
新聞熱點
疑難解答
