通過(guò)python處理光斑圖像

1 相關(guān)包與圖像讀取

首先需要科學(xué)計(jì)算必備包numpy和畫(huà)圖包matplotlib.pyplot，我們通過(guò)后者進(jìn)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(guò)成員函數(shù)astype將整型數(shù)據(jù)變成浮點(diǎn)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(rèn)顯示為偽彩圖。

python自動(dòng)畫(huà)出了偽彩圖，可以通過(guò)在plt.imshow的過(guò)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(huì)對(duì)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(biāo)點(diǎn)擊的位置，其輸入?yún)?shù)為選取點(diǎn)數(shù)，輸出為點(diǎn)擊的點(diǎn)的坐標(biāo)。

>>> 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(guò)方括號(hào)進(jìn)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(qiáng)度

為了更加直觀(guān)地反映光斑強(qiáng)度，以圖片行列為坐標(biāo)，可以繪制3d強(qiáng)度圖。

繪制二維曲線(xiàn)，要求輸入相應(yīng)的自變量和因變量，通過(guò)點(diǎn)和點(diǎn)的一一對(duì)應(yīng)，畫(huà)出曲線(xiàn)。三維圖像繪制亦然，通過(guò)np.meshgrid生成網(wǎng)格坐標(biāo)，作為其 x , y x,y x,y向的自變量，其輸入?yún)?shù)為兩個(gè)一維數(shù)組，返回兩個(gè)二維數(shù)組，用以表示這兩個(gè)數(shù)組方向的坐標(biāo)。

>>> xNum,yNum = roi.shape						#獲取roi的維度
>>> xAxis,yAxis = np.meshgrid(range(yNum),range(xNum))	#range創(chuàng)建長(zhǎng)度為xNum的自然數(shù)列
>>> ax = plt.gca(projection='3d')				#建立3D坐標(biāo)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(duì)稱(chēng)的特征，故可抽取出其徑向坐標(biāo)進(jìn)行降維操作，考慮到數(shù)據(jù)的穩(wěn)定性，并排除非信號(hào)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(guò)引入科學(xué)計(jì)算庫(kù)scipy中的優(yōu)化擬合包optimize中的curve_fit函數(shù)來(lái)進(jìn)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(píng)價(jià)參數(shù)。

其中高斯函數(shù)的表達(dá)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(diǎn)圖
<matplotlib.collections.PathCollection object at 0x0000019EB5438D88>
>>> plt.plot(x,fitValue)		#繪制擬合數(shù)據(jù)的曲線(xiàn)圖
[<matplotlib.lines.Line2D object at 0x0000019EB46D4048>]
>>> plt.show()

問(wèn)題

如果包沒(méi)有安裝的話(huà)，可以在命令行中用pip文件進(jìn)行安裝

> pip install numpy
> pip install matplotlib
> pip install scipy

以上就是Python光學(xué)仿真學(xué)習(xí)處理高斯光束分布圖像的詳細(xì)內(nèi)容，更多關(guān)于Python處理高斯光束分布圖像的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論