python 三维曲面拟合_scipy.optimize.curve_fit 拟合多维曲面问题

在做模板匹配算法过程中，想要通过拟合高斯曲面的方式实现亚像素精度。初始代码如下

# 创建一个函数模型用来生成数据

def func1(x, a, b, c, d):

r = a * np.exp(-((x[0] - b) ** 2 + (x[1] - d) ** 2) / (2 * c ** 2))

return r

# 生成原始数据

x1 = np.linspace(0, 10, 10).reshape(1, -1)

x2 = np.linspace(0, 10, 10).reshape(1, -1)

x = np.append(x1, x2, axis=0)

X, Y = np.meshgrid(x1, x2)

XX = np.expand_dims(X, 0)

YY = np.expand_dims(Y, 0)

xx = np.append(XX, YY, axis=0)

y = func1(xx, 10, 5, 2, 5)

# 对原始数据增加噪声

yn = y + 0.002 * np.random.normal(size=xx.shape[1])

# 使用curve_fit函数拟合噪声数据

t0 = timeit.default_timer()

popt, pcov = curve_fit(func1, xx, yn)

elapsed = timeit.default_timer() - t0

print('Time: {} s'.format(elapsed))

# popt返回最拟合给定的函数模型func的参数值

print