2D гауссовская подгонка с использованием lmfit - PullRequest
Новая
       7

2D гауссовская подгонка с использованием lmfit

0 голосов
/ 03 сентября 2018

Мне нужно подогнать двумерный гауссов к набору данных, который я прочитал. Я выбрал подпрограмму подгонки lmfit, поскольку она позволяет легко реализовывать граничные условия и фиксировать параметры. Поскольку я не самый эффективный программист, у меня есть проблемы с реализацией моих потребностей. Вот что я сделал: 

from numpy import *
from math import *
from lmfit import Parameters,minimize,report_fit

## fails to run 
# from https://www.w3resource.com/python-exercises/numpy/python-numpy-exercise-79.php
x,y = meshgrid(linspace(-1,1,10),linspace(-1,1,10))
#d = sqrt(x*x+y*y)
#sigma, mu = 1.0, 0.0
#g = exp(-( (d-mu)**2 / ( 2.0 * sigma**2 ) ) )

def gaussian2D(p,x,y):
    height = p["height"].value
    centroid_x = p["centroid_x"].value
    centroid_y = p["centroid_y"].value
    sigma_x = p["sigma_x"].value
    sigma_y = p["sigma_y"].value
    background = p["background"].value
    return height*exp(-(((centroid_x-x)/sigma_x)**2+((centroid_y-y)/sigma_y)**2)/2.0)+background

def residuals(p,x,y,z):
    return z - gaussian2D(p,x,y)

initial = Parameters()
initial.add("height",value=1.)
initial.add("centroid_x",value=0.)
initial.add("centroid_y",value=0.)
initial.add("sigma_x",value=1.)
initial.add("sigma_y",value=3.)
initial.add("background",value=0.)

xx,yy = meshgrid(x,y)

fit = minimize(residuals,initial,args=(array(xx).flatten(),array(yy).flatten(),array(g).flatten()))
popt = fit.params
print report_fit(fit)

Прежде всего, пример кода для генерации двумерного гауссиана не запускается и выдает «TypeError: только массивы размера 1 могут быть преобразованы в скаляры Python» для d = sqrt (x x + y у). Так как я все равно использую данные из файла, я работаю с образцами данных, приведенными на веб-сайте здесь .

Некоторые исследования сказали мне преобразовать двумерные массивы в одномерные данные, чтобы lmfit мог их обрабатывать. Мои попытки реализовать это с помощью метода flatten в моих массивах не увенчались успехом, и я выдал ту же ошибку (TypeError: только массивы размера 1 могут быть преобразованы в скаляры Python). Я недостаточно разбираюсь, чтобы полностью понять код в ссылке.

Буду признателен за любую помощь, особенно поскольку я предпочитаю определять свои собственные функции, которые будут соответствовать данным, а не полагаться на встроенные модели.

1 Ответ

0 голосов
/ 04 сентября 2018

Я думаю, что вы близки, и просто путаетесь, когда (или как часто) звоните meshgrid. Модифицированная версия будет 

import numpy as np
from lmfit import Parameters, minimize, report_fit

x, y = np.meshgrid(np.linspace(-1, 1, 10), np.linspace(-1, 1, 10))

def gaussian2D(x, y, cen_x, cen_y, sig_x, sig_y, offset):
    return np.exp(-(((cen_x-x)/sig_x)**2 + ((cen_y-y)/sig_y)**2)/2.0) + offset

def residuals(p, x, y, z):
    height = p["height"].value
    cen_x = p["centroid_x"].value
    cen_y = p["centroid_y"].value
    sigma_x = p["sigma_x"].value
    sigma_y = p["sigma_y"].value
    offset = p["background"].value
    return (z - height*gaussian2D(x,y, cen_x, cen_y, sigma_x, sigma_y, offset))

# test data
g = gaussian2D(x, y, 1.2, 2.1, 0.5, 0.7, 1.1)


initial = Parameters()
initial.add("height",value=1.)
initial.add("centroid_x",value=0.)
initial.add("centroid_y",value=0.)
initial.add("sigma_x",value=1.)
initial.add("sigma_y",value=3.)
initial.add("background",value=0.)


fit = minimize(residuals, initial, args=(x, y, g))
print(report_fit(fit))

То есть, определите gaussian2D() функцию, которую вы сможете лучше использовать и протестировать, а затем получите простую целевую функцию, которая просто вызывает ее.

...