使用ndimage的center_of_mass函数来计算高斯峰的位置

Question

我试图使用ndimage.measurements.center_of_mass计算高斯2D分布峰值的位置，但发现质心与峰值中心不一致。

import numpy as np
from scipy import ndimage
from scipy import stats
import matplotlib.pyplot as plt

x = np.linspace(-1,1,100)
xv, yv = np.meshgrid(x, x)
r = np.sqrt((xv-0.2)**2 + (yv)**2)
norm2d = stats.norm.pdf(r)
com = ndimage.measurements.center_of_mass(norm2d)
plt.imshow(norm2d, origin="lower")
plt.scatter(*com[::-1])
plt.show()

我如何在不使用最小二乘优化例程的情况下，粗略地计算出一个带噪声的2D高斯分布的峰值位置?

- gypaetus

---

ndimage.measurements.maximum_position? - Paulo Almeida

@PauloAlmeida 因为分布不是很好地采样，所以我正在寻找一些计算峰值中心而不是图像最大位置的方法（索引应该是浮点数值）。 - gypaetus

你可以通过一些平滑滤波器来处理图像，以消除噪声，然后在平滑后的图像中寻找最大值。 - Jaime

@Jaime 谢谢，我认为这也可以，虽然我需要重新采样到更高分辨率数组。 - gypaetus

Answer 1

如果您使用前 xx% 的像素，就能得到正确的结果：

hist, bins = np.histogram(norm2d.ravel(), normed=True, bins=100)
threshold = bins[np.cumsum(hist) * (bins[1] - bins[0]) > 0.8][0]
mnorm2d = np.ma.masked_less(norm2d,threshold)
com = ndimage.measurements.center_of_mass(mnorm2d)
plt.imshow(norm2d, origin="lower")
plt.scatter(*com[::-1])
plt.show()

结果:

- HYRY