计算高斯峰位置的center_of_mass

Question

我试图用ndimage.measurements.center_of_mass计算高斯二维分布的峰值位置，发现质量中心从峰值中心移动：

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()

​

​

在不使用最小二乘优化程序的情况下，如何粗略地计算含噪2D高斯分布的峰值位置？

Answer 1

如果使用顶部的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：

​

​