看守所加强自身网站建设工作总结,计算机哪方面技术吃香,网站建设与管理做什么,徐州做网站管理的公司我们在数据分析工作中#xff0c;经常遇到没有直接数据的情况#xff0c;对于曲线图情况#xff0c;我们需要解析曲线图中的数据。
例如下图#xff0c;根据文档我们获知横坐标取值范围为#xff08;0,175#xff09;#xff0c;纵坐标取值范围#xff08;0,156#…我们在数据分析工作中经常遇到没有直接数据的情况对于曲线图情况我们需要解析曲线图中的数据。
例如下图根据文档我们获知横坐标取值范围为0,175纵坐标取值范围0,156。如何把曲线转换为可操作的数据呢具体步骤如下
用画图工具抠图按曲线图坐标边界抠出待处理图形例如windows系统上的“画图”功能即可使用OpenCV提供的API详见“Opencv-python去图标与水印方案实践”采用直接提取曲线的方案使用OpenCV提供的图像灰度处理及二值化API得到目标图解析二值化的灰度图像得出数据。
1. 用画图工具抠图 我们把抠出来的图另存为heart1.JPG。
2. OpenCV直接提取曲线的方案
import numpy as np
import matplotlib.pyplot as plt
import cv2
imgcv2.imread(img\heart1.JPG)h,w,limg.shapefor j in range(h):for k in range(w):if img[j][k][0] 135 or img[j][k][0] 175 or img[j][k][1] 185 or img[j][k][1] 220 or img[j][k][2] 45 or img[j][k][2] 129:img[j][k][0] 255img[j][k][1] 255 img[j][k][2] 255plt.imshow(img,cmapplt.cm.gray)其中提取颜色范围值请参照文档“Opencv-python去图标与水印方案实践”。 3. 使用OpenCV图像灰度处理及二值化API
image_gray cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY) # 转换成灰度图
plt.imshow(image_gray,cmapplt.cm.gray)
# 二值化
thresh, new_img cv2.threshold(image_gray, 200, 255, cv2.THRESH_BINARY)cv2.imshow(NEW_IMG, new_img)
cv2.waitKey()
new_img new_img.astype(np.int16) 注图像数据格式是uint8最大值255需要转换为int16存储实际坐标值。 OpenCV提供的图像二值化APIthreshold()方法参数
图片矩阵阈值图片中的最大值二值化的方式
二值化的方式
THRESH_BINARY高于阈值改为255,低于阈值改为0THRESH_BINARY_INV高于阈值改为0,低于阈值改为255THRESH_TRUNC截断,高于阈值改为阈值,最大值失效THRESH_TOZERO高于阈值不改变,低于阈值改为0THRESH_TOZERO_INV高于阈值该为0,低于阈值不改变 4. 解析二值化的灰度图像得出数据
解析数据的原理
首先明确坐标系统图像数据二维从00开始对应实际图形0h其中h是最大高度可以理解为纵向坐标倒序。
其次解析图数据对于图中曲线黑色数值为0直接标记为纵轴的坐标注意倒序其他设置为0由此获得二维矩阵待处理。
接着按坐标均值定义为目标数据。
r,c new_img.shape
for i in range(r):for j in range(c):if new_img[i][j]255:new_img[i][j]0else:new_img[i][j]280 - i 1dat new_img.mean(axis0, keepdimsFalse,wherenew_img0)#滤除手工抠图边界无数据情况
mask np.isnan(dat)
dat np.delete(dat, np.where(mask))
dat dat*156/np.max(dat)
# 解析出数据未进行度量单位转换
new_dat dat.astype(np.int16)# 绘图回放数据
plt.rcParams[font.sans-serif] [SimHei] # 设置正常显示中文
plt.rcParams[axes.unicode_minus]False # 解决不显示负号
plt.figure(figsize(12,6))
plt.xlim(0,570)
x_lable [0,30,60,90,120,150,180]
pos_list [0, 94, 188, 281, 375, 469,563]plt.xticks(pos_list, x_lable)
#ax plt.axes()
#ax.xaxis.set_major_locator(ticker.FixedLocator((name_list)))
#ax.xaxis.set_major_formatter(ticker.FixedFormatter((x_lable)))
plt.ylim(0,180)
plt.plot(new_dat)
plt.ylabel(心率)plt.show()绘图回放数据结果如下
5. 总结
解析曲线数据图还是比较麻烦首先是图像处理技术我们常见的曲线图一般都较为干净好处理些。在解析过程中需要进行坐标转换也就是数据的度量单位。
欢迎交流更多的方法。
参考
肖永威. Opencv-python去图标与水印方案实践. CSDN博客. 2023.09
