波峰和波谷

曲线的波峰和波谷查找

算法原理：

投影曲线实际上是一个一维的向量：
V=[v1,v2,…,vn]
其中vi,i∈[1,2,…,N]，代表图像在第i行或列上的灰度累积。当然不仅仅是投影曲线，T也可以是某一事件中变量的观测值，我们需要研究这个变量的变化规律。
查找算法如下：

1. 假投影曲线可以表示为V=[v1,v2,…,vn]。
2. 计算V的一阶差分向量DiffV:
   Diffv(i)=V(i+1)−V(i),其中i∈1,2,…,N−1
3. 对差分向量进行取符号函数运算，Trend=sign(Diffv),即遍历Diffv，若Diffv(i)大于0，则取1；如果小于0，则取-1，否则则值为0。

4. 从尾部遍历Trend向量,进行如下操作：

 if Trend(i)=0且Trend(i+1)≥0，则Trend(i)=1if Trend(i)=0且Trend(i+1)<0，则    Trend(i)=−1

5. 对Trend向量进行一阶差分运算，如同步骤2，得到R=diff(Trend)。
6. 遍历得到的差分向量R，如果R(i)=−2，则i+1为投影向量V的一个峰值位，对应的峰值为V(i+1)；如果R(i)=2，则i+1为投影向量V的一个波谷位，对应的波谷为V(i+1)。
   其实上述算法的核心思路非常简单，曲线的峰值点，满足一阶导数为0，并且满足二阶导数为负；而波谷点，则满足一阶导数为0，二阶导数为正。

在上面的算法里面，我们首先计算了一阶的导数Diffv，然后我们将其符号化，是因为我们并不关心一阶导数的大小。

然后我们去看那些一阶层数为0的地方，我们发现，那些平台上的点，有些并不是波峰与波谷，然后很多处在上坡与下坡的路上，所以我们将它们的一阶导数设为与它们所在的坡面梯度方向相同。

最后我们再来计算二阶导数时，就会发现只要为2或者-2,所以曲线斜在这个点发生了变化，由正变负或由负变正。找到这些点，也就找到了原曲线中的波峰或波谷点。

代码实现

void findPeak(const vector& v, vector& peakPositions)
{
vector diff_v(v.size() - 1, 0);
// 计算V的一阶差分和符号函数trend
for (vector::size_type i = 0; i != diff_v.size(); i++)
{
if (v[i + 1] - v[i]>0)
diff_v[i] = 1;
else if (v[i + 1] - v[i] < 0)
diff_v[i] = -1;
else
diff_v[i] = 0;
}
// 对Trend作了一个遍历
for (int i = diff_v.size() - 1; i >= 0; i–)
{
if (diff_v[i] == 0 && i == diff_v.size() - 1)
{
diff_v[i] = 1;
}
else if (diff_v[i] == 0)
{
if (diff_v[i + 1] >= 0)
diff_v[i] = 1;
else
diff_v[i] = -1;
}
}

for (vector<int>::size_type i = 0; i != diff_v.size() - 1; i++)
{
    if (diff_v[i + 1] - diff_v[i] == -2)
        peakPositions.push_back(i + 1);
}

}

参考文献

1.https://www.cnblogs.com/ronny/p/3616470.html