本文實例講述了Python圖像處理之直線和曲線的擬合與繪制。分享給大家供大家參考，具體如下：

在數據處理和繪圖中，我們通常會遇到直線或曲線的擬合問題，python中scipy模塊的子模塊optimize中提供了一個專門用于曲線擬合的函數curve_fit()。

下面通過示例來說明一下如何使用curve_fit()進行直線和曲線的擬合與繪制。

代碼如下：

# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom scipy import optimize#直線方程函數def f_1(x, A, B):  return A*x + B#二次曲線方程def f_2(x, A, B, C):  return A*x*x + B*x + C#三次曲線方程def f_3(x, A, B, C, D):  return A*x*x*x + B*x*x + C*x + Ddef plot_test():  plt.figure()  #擬合點  x0 = [1, 2, 3, 4, 5]  y0 = [1, 3, 8, 18, 36]  #繪制散點  plt.scatter(x0[:], y0[:], 25, "red")  #直線擬合與繪制  A1, B1 = optimize.curve_fit(f_1, x0, y0)[0]  x1 = np.arange(0, 6, 0.01)  y1 = A1*x1 + B1  plt.plot(x1, y1, "blue")  #二次曲線擬合與繪制  A2, B2, C2 = optimize.curve_fit(f_2, x0, y0)[0]  x2 = np.arange(0, 6, 0.01)  y2 = A2*x2*x2 + B2*x2 + C2  plt.plot(x2, y2, "green")  #三次曲線擬合與繪制  A3, B3, C3, D3= optimize.curve_fit(f_3, x0, y0)[0]  x3 = np.arange(0, 6, 0.01)  y3 = A3*x3*x3*x3 + B3*x3*x3 + C3*x3 + D3  plt.plot(x3, y3, "purple")  plt.title("www.jb51.net test")  plt.xlabel('x')  plt.ylabel('y')  plt.show()  returnplot_test()

擬合和繪制解果如下：

當然，curve_fit()函數不僅可以用于直線、二次曲線、三次曲線的擬合和繪制，仿照代碼中的形式，可以適用于任意形式的曲線的擬合和繪制，只要定義好合適的曲線方程即可。

如高斯曲線擬合，曲線函數形式如下：

def f_gauss(x, A, B, C, sigma):  return A*np.exp(-(x-B)**2/(2*sigma**2)) + C

PS：這里再為大家推薦兩款相似的在線工具供大家參考：

在線多項式曲線及曲線函數擬合工具：
http://tools.jb51.net/jisuanqi/create_fun

在線繪制多項式/函數曲線圖形工具：
http://tools.jb51.net/jisuanqi/fun_draw

更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》

希望本文所述對大家Python程序設計有所幫助。