Python曲線平滑的實現(xiàn)示例

第Python曲線平滑的實現(xiàn)示例在編寫測試程序的時候，由于數據幀數多的原因，導致生成的曲線圖比較難看，如下圖：

由于高頻某些點的波動導致高頻曲線非常難看，因此需要對曲線做平滑處理，讓曲線過渡更平滑。對曲線進行平滑處理，這里推薦使用Savitzky-Golay濾波器，可以在scipy庫里直接調用，不需要再定義函數。

Python中Savitzky-Golay濾波器調用如下：

tmp_smooth=scipy.signal.savgol_filter(tmp,53,3)

scipy函數解釋:

scipy.signal.savgol_filter(x,window_length,polyorder,deriv=0,delta=1.0,axis=-1,mode=interp,cval=0.0)[source]

ApplyaSavitzky-Golayfiltertoanarray.

Thisisa1-dfilter.Ifxhasdimensiongreaterthan1,axisdeterminestheaxisalongwhichthefilterisapplied.

在scipy函數解釋中，x為原始數據，即上面代碼中的tmp數據。window_length是窗口長度，該值需為正奇整數。polyorder為對窗口內的數據點進行k階多項式擬合，k的值需要小于window_length。

現(xiàn)在看一下window_length和k這兩個值對曲線的影響。

(1)首先是window_length對曲線的平滑作用，代碼如下：

tmp_smooth1=scipy.signal.savgol_filter(tmp,21,3)

tmp_smooth2=scipy.signal.savgol_filter(tmp,53,3)

plt.semilogx(f,tmp*0.5,label='mic'+str(num+1))

plt.semilogx(f,tmp_smooth1*0.5,label='mic'+str(num+1)+'擬合曲線-21',color='red')

plt.semilogx(f,tmp_smooth2*0.5,label='mic'+str(num+1)+'擬合曲線-53',color='green')

可以看到，window_length的值越小，曲線越貼近真實曲線；window_length值越大，平滑效果越厲害。

(2)再看k值對曲線的影響，代碼如下：

tmp_smooth1=scipy.signal.savgol_filter(tmp,21,3)

tmp_smooth2=scipy.signal.savgol_filter(tmp,53,3)

plt.semilogx(f,tmp*0.5,label='mic'+str(num+1))

plt.semilogx(f,tmp_smooth1*0.5,label='mic'+str(num+1)+'擬合曲線-21',color='red')

plt.semilogx(f,tmp_smooth2*0.5,label='mic'+str(num+1)+'擬合曲線-53',color='green')

生成曲線圖如下：

可以看到，k值越大，曲線越貼近真實曲線；k值越小，曲線平滑越厲害。另外，當k值較大時，受窗口長度限制，擬合會出現(xiàn)問題，高頻曲線會變成直線，如下