光斑处理：python处理高斯光束的图像
光斑处理系统：

• 程序框架🌟打开图像🌟参数对话框/伪彩映射🌟裁切ROI
• 光强分布

构建拟合函数

scipy中提供了非线性最小二乘回归算法，在曲线拟合方面有着不错的表现，所以下面先不考虑UI，创建一个高斯拟合工具，非常简单，如下图所示

from scipy.optimize import curve_fit

def fitGauss(x, y):
    gauss = lambda x,a,b,c : a*np.exp(-(x-b)**2/c**2)
    abc,para = curve_fit(gauss,x,y)
    Y = gauss(x,abc[0],abc[1],abc[2])
    info = "fit Model : a*exp(-(x-b)^2/c^2)\n"
    info += f"a={abc[0]:3f},b={abc[1]:3f},c={abc[2]:3f}"
    info += f"\nfit para:\n{para}"
    return Y, info

其中，$x,y$是用于曲线拟合的数据，$Y$是拟合曲线，abc是一个包含$a,b,c$的数组，这三个参数即可组成一个高斯函数

$$y=a\exp [-\frac{(x-b{)}^2}{c^2}]$$

数据获取

有了拟合函数，接下来只要生成适用于拟合的数据，就可以得到拟合曲线了，为此，暂时对图像按列取最大值，并以此作为待拟合数据。

在完成数据拟合后，需要分别用散点图绘制原始数据，并用曲线图绘制拟合结果，img_fit定义如下。

    def img_fit(self):
        y = np.max(self.img, 0)
        x = np.arange(len(y))
        Y, info = fitGauss(x,y)

        self.fig.clf()
        ax = self.fig.gca()
        ax.scatter(x,y,marker='.',label="origin data")
        ax.plot(x,Y,lw=1, label="fit data")
        ax.legend()
        self.canvas.draw()

先点击【裁切】，在弹出对话框中输入【thres】模式，然后点击【拟合】，运行结果如下

打印信息

尽管绘制了数据，但图窗中并没有空间输出具体的拟合参数，所以也无法评价光束的拟合信息。为此，可以创建一个对话框，专门用于打印相关信息，

def showInfo(txt):
    root = tk.Tk("help")
    root.title("光斑分析工具帮助文件")

    text = tk.Text(root)
    text.pack(expand=1,fill=tk.BOTH)

    text.insert(tk.END,txt)
    root.mainloop()

然后再img_fit绘图之后加上一行

        showInfo(info)

从而拟合结束之后，就会弹出拟合的参数信息，至此，一个基本的光斑分析工具就算完成了。

fit Model : a*exp(-(x-b)^2/c^2)
a=58.680398,b=27.761098,c=19.362408
fit para:
[[ 0.38468135 -0.0015651  -0.09690099]
 [-0.0015651   0.02802167  0.00143946]
 [-0.09690099  0.00143946  0.06715842]]