本站消息

站长简介/公众号


站长简介:逗比程序员,理工宅男,前每日优鲜python全栈开发工程师,利用周末时间开发出本站,欢迎关注我的微信公众号:幽默盒子,一个专注于搞笑,分享快乐的公众号

  价值13000svip视频教程,python大神匠心打造,零基础python开发工程师视频教程全套,基础+进阶+项目实战,包含课件和源码

  出租广告位,需要合作请联系站长

+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2020-07(10)

2020-08(50)

python医学图像处理:Numpy、Matplotlib和直方图

发布于2021-04-24 19:17     阅读(156)     评论(0)     点赞(7)     收藏(2)



一、Numpy

NumPy 的主要对象是齐次多维数组。它是一个元素表(通常是元素是数字),其中所有元素类型都相同,元素以正整数元组索引。在 NumPy 维度(dimension)被称为轴(axis)。

ps. 有几个轴就是几维数组,符合平时生活中有 x, y 两个坐标轴就是二维空间,再加上 z 轴就是三维空间的概念

例如三维空间空一个点的坐标 [1, 2, 1] 有一个轴。这个轴有 3 个元素,即该轴的长度是 3。下面代码区中的数组有两个轴。第一个轴长度是 2,第二个长度是 3.

[[ 1., 0., 0.],
 [ 0., 1., 2.]]

Numpy 的数组类称做 ndarry,别名是 array。注意 numpy.array 和 Python 标准库的类 array.array 不同,标准库的类只处理一维数组(one-dimensional arrays)。

1. 重要属性

  • ndarray.ndim

    the number of axes (dimensions) of the array.

  • ndarray.shape

    数组的维度(the dimensions of the array)。 以一个整型元组的方式表示数组中每个维度的大小。比如对一个有 n 行 m 列的矩阵来说,其 shape 属性为 (n, m)。The length of the shape tuple is therefore the number of axes, ndim.

  • ndarray.size

    数组元素总数。相当于 shape 中每个元素的乘积。

  • ndarray.dtype

    一个用来描述数组中元素类型的对象。我们可以使用 Python 标准类型来创建指定该对象,NumPy 也提供了自己的类型,如 numpy.int32, numpy.int16, and numpy.float641 等

  • ndarray.itemsize

    数组中每个元素的字节大小。 For example, an array of elements of type float64 has itemsize 8 (=64/8), while one of type complex32 has itemsize 4 (=32/8). It is equivalent to ndarray.dtype.itemsize.

二、Matpltlib

参考:菜鸟教程
Matplotlib是python的绘图库,经常与Numpy一起使用,停工了有效的Matlab开源替代方案,也可以和图形工具包一起使用,比如PyQt和wxPython。

plt.title("图标题") 
plt.xlabel("x轴标识") 
plt.ylabel("y轴标识") 

创建x和y的值

x = np.arange(1,11) 
y =  2  * x +  5 

1.Plot()

直线绘制使用matplotlib中的pyplot子模块的plot()函数绘制。

plt.plot(x,y) 
plt.show()

直线型
要显示点而不是线

plt.plot(x,y,"ob") 
plt.show()

点

2.Subplot()

允许在同一图中绘制不同的东西。

import numpy as np 
import matplotlib.pyplot as plt 
# 计算正弦和余弦曲线上的点的 x 和 y 坐标 
x = np.arange(0,  3  * np.pi,  0.1) 
y_sin = np.sin(x) 
y_cos = np.cos(x)  
# 建立 subplot 网格,高为 2,宽为 1  
# 激活第一个 subplot
plt.subplot(2,  1,  1)  
# 绘制第一个图像 
plt.plot(x, y_sin) 
plt.title('Sine')  
# 将第二个 subplot 激活,并绘制第二个图像
plt.subplot(2,  1,  2) 
plt.plot(x, y_cos) 
plt.title('Cosine')  
# 展示图像
plt.show()

双图像

3.Bar()

pyplot子模块提供bar()来生成条形图。

from matplotlib import pyplot as plt 
x =  [5,8,10] 
y =  [12,16,6] 
x2 =  [6,9,11] 
y2 =  [6,15,7] 
plt.bar(x, y, align =  'center') 
plt.bar(x2, y2, color =  'g', align =  'center') 
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis') 
plt.show()

bar

4.Numpy.histogram()

数据频率分布地图形表示,水平尺寸相等的矩形对应于类间隔,称为 bin,变量 height 对应于频率。

numpy.histogram()函数将输入数组和 bin 作为两个参数。 bin 数组中的连续元素用作每个 bin 的边界。

a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
hist,bins = np.histogram(a,bins =  [0,10,20,30,40,100])
print (hist)
print (bins)

输出结果为:

[2 1 3 1 8]
[  0  10  20  30  40 100]

其中hist为频率,bins是边界

5.Hist()

可以将直方图的数字转换为图形,pyplot子模块的hist()函数将包含数据和 bin 数组的数组作为参数,并转换为直方图。
直方图

hist函数详解

函数内容

def hist(
        x, bins=None, range=None, density=False, weights=None,
        cumulative=False, bottom=None, histtype='bar', align='mid',
        orientation='vertical', rwidth=None, log=False, color=None,
        label=None, stacked=False, *, data=None, **kwargs):
    return gca().hist(
        x, bins=bins, range=range, density=density, weights=weights,
        cumulative=cumulative, bottom=bottom, histtype=histtype,
        align=align, orientation=orientation, rwidth=rwidth, log=log,
        color=color, label=label, stacked=stacked,
        **({"data": data} if data is not None else {}), **kwargs)

函数详解

x : (n,) array or sequence of (n,) arrays
(数组或(允许长度不等的)数组序列)

bins:整数值或序列。

  • 如果bins为整数值,则bins为柱子个数,根据数据的取值范围和柱子个数bins计算每个柱子的范围值,柱宽=(x.max()-x.min())/bins。例:数据取值为[1,2,3,4,5,6],bins=6,柱宽=0.8333…,则每个柱子的范围分别为:[1,1.83), [1.83,2.66)…,[5.17,6]
  • 如果bins取值为序列,则该序列给出每个柱子的范围值(即边缘)。除最后一个柱子外,其他柱子的取值范围均为半开(左闭右开)。接上例,数据共n=6个取值,若bins=range(1,n+2)即bins的取值为[1,2,3,4,5,6,7],注意range用法。则每个柱子的范围为:[1,2),[2,3),…,[5,6),[6,7]。注意:这里可以看出为什么bins的取值需要包含7,因为最后一个柱子的取值范围是全闭的,如果取值只到6,则最后一个柱子的范围为[5,6],取值为5和6的数据将被合并计算。

range : tuple or None, optional
元组(tuple)或None。剔除较大和较小的离群值,给出全局范围。如果为None,则默认为(x.min(), x.max())。如果bins取值为序列,则range无效,python会基于bins的取值画图。

density:布尔值
如果为true,则返回的元组的第一个参数frequency将为频率而非默认的频数。可自行验证sum(frequency)。

normed : boolean, optional(?)是否将得到的直方图向量归一化
normed=True表示正则化直方图,即归一化(即求频率)

weights : (n, ) array_like or None, optional
与x形状相同的权重数组。将x中的每个元素乘以对应权重值再计数。如果normed或density取值为True,则会对权重进行归一化处理。这个参数可用于绘制已合并的数据的直方图。

cumulative : boolean, optional
布尔值。如果为True,则计算累计频数。如果normed或density取值为True,则计算累计频率。

bottom : array_like, scalar, or None
数组,标量值或None。每个柱子底部相对于y=0的位置。如果是标量值,则每个柱子相对于y=0向上/向下的偏移量相同。如果是数组,则根据数组元素取值移动对应的柱子。

histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}, optional(选择展示的类型,默认为bar)
'bar’是传统的条形直方图;'barstacked’是堆叠的条形直方图;'step’是未填充的条形直方图,只有外边框;‘stepfilled’是有填充的直方图。当histtype取值为’step’或’stepfilled’,rwidth设置失效,即不能指定柱子之间的间隔,默认连接在一起。

align : {‘left’, ‘mid’, ‘right’}, optional(对齐方式)
‘left’:柱子的中心位于bins的左边缘;‘mid’:柱子位于bins左右边缘之间;‘right’:柱子的中心位于bins的右边缘。可在上面两张图中求证。

orientation : {‘horizontal’, ‘vertical’}, optional(直方图方向)
如果取值为horizontal,则条形图将以y轴为基线,水平排列

log : boolean, optional(log刻度)
布尔值。如果取值为True,则坐标轴的刻度为对数刻度。如果log为True且x是一维数组,则计数为0的取值将被剔除,仅返回非空的(frequency, bins, patches)。

color : color or array_like of colors or None, optional(颜色设置)
体颜色,数组(元素为颜色)或None。

label : string or None, optional(刻度标签)
字符串(序列)或None。有多个数据集时,用label参数做标注区分。

stacked : boolean, optional
布尔值。如果取值为True,则输出的图为多个数据集堆叠累计的结果,见下图;如果取值为False且histtype=‘bar’或’step’,则多个数据集的柱子并排排列

返回的参数

frequency(官方文档用n表示):数组或数组列表。柱子的高,即频数或频率值,数据类型为float。

bins:每个柱子的左右边缘值(即区间范围),例子见上文输入参数bins。

patches:列表或列表的列表。取值为每个柱子包含的数据。

参考链接:
matplotlib.pyplot.hist参数详解
Python matplotlib.pyplot.hist函数 参数详解

直方图和条形图

  • 条形图:条形图用长条形表示每一个类别,长条形的长度表示类别的频数,宽度表示表示类别。
  • 直方图:直方图是一种统计报告图,形式上也是一个个的长条形,但是直方图用长条形的面积表示频数,所以长条形的高度表示 频数/组距 ,宽度表示组距,其长度和宽度均有意义。当宽度相同时,一般就用长条形长度表示频数。

三、平滑直方图

x是直方图平滑前各个柱子的值组成的数组

def Smooth_f(x):
    '''
    用来实现直方图数据平滑的函数
    :param x: 输入一个列表
    :return:
    '''
    print("smooth begin")
    print(x)
    y = x.copy()
    for i in range(1, len(y)):
        y[i] = 0.5*(y[i]+y[i-1])
        # print([i, y[i]])
    print(y)
    return y

直方图平滑前:
原图
第一次平滑:
第一次
第二次平滑
第二次

原文链接:https://blog.csdn.net/weixin_44157403/article/details/115578772






所属网站分类: 技术文章 > 博客

作者:丸子

链接:https://www.pythonheidong.com/blog/article/952616/23a1f0281712a91ffd0f/

来源:python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

7 0
收藏该文
已收藏

评论内容:(最多支持255个字符)