python - 适用于正态分布2D numpy数组数据的Python imshow scale

我想缩放具有正态分布的numpy数组中的显示数据。
Tutorial here建议使用clim，但在示例中，限制被硬编码为clim=(0.0, 0.7)。从教程中的先前直方图获取这些值：



因此，我需要一种漂亮的方式来获取clim值（无需进行硬编码），也许可以使用标准偏差（1 sigma，2 sigma，3 sigma）来获取主要值：



我该怎么做？

最佳答案

要获得正态分布，可以使用scipy.optimize.curve_fit将高斯函数拟合到直方图。按照读取图像并获取直方图的步骤，以下是如何拟合直方图的方法：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
from scipy.optimize import curve_fit

# Read image
img=mpimg.imread('stinkbug.png')

# Get histogram
hist,bins,_ = plt.hist(img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')

# Get centers of histogram bins
bin_centers = np.mean([bins[:-1],bins[1:]], axis=0)

# Define the Gaussian function
def gaussian(x, mu, sigma, amp):
    return amp*np.exp( -(x - mu)**2 / (2.*sigma**2))

# Curve fit
p_opt,_ = curve_fit(gaussian, bin_centers, hist)

# Get the fit parameters
mu, sigma, amp = p_opt

您可以查看拟合：

fit = gaussian(bin_centers, mu, sigma, amp)
plt.plot(bin_centers, hist)
plt.plot(bin_centers, fit)

然后，可以将拟合参数用于clim。首先，这是原始图片：

plt.imshow(img)

这是将像素颜色限制在3σ之内：

plt.imshow(img, clim=(mu-3*sigma, mu+3*sigma))

关于python - 适用于正态分布2D numpy数组数据的Python imshow scale，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53560923/