python - ndimage 的 center_of_mass 来计算高斯峰的位置

我正在尝试使用 ndimage.measurements.center_of_mass 计算高斯 2D 分布峰值的位置，并发现质心从峰值中心偏移:

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()

如何在不使用最小二乘优化例程的情况下粗略计算嘈杂的 2D 高斯分布的峰值位置？

最佳答案

如果使用顶部 xx% 像素，则可以获得正确的结果:

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:

关于python - ndimage 的 center_of_mass 来计算高斯峰的位置，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/18435003/