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:
- 假投影曲线可以表示为V=[v1,v2,…,vn]。
- 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 - 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
- 对Trend向量进行一阶差分运算,如同步骤2,得到R=diff(Trend)。
- 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