如何使此2D高斯拟合代码适用于我的数据（图像）而不是生成的高斯噪声？ （Python-3）

Question

我们已经获得了一个大的拟合代码，可以用来绘制我们自己选择的数据。我尝试处理许多涉及的编码，但是由于我对python还是很陌生，所以不了解如何解决此问题。我到处都在遇到问题。我想我最容易误解的是我不需要/不需要的代码部分，以及所有术语的含义。

我用数据名称xyData替换了image，检查了image.dtype的{​​{1}}，检查了数据的image.shape （100,200），并将其替换为代码中的内容。

以下代码是提供给我们的代码：

float64

我希望使用上述代码的数据是使用以下代码生成的（我们被告知要完全按照以下步骤进行操作）：

import os, sys, shutil
import math as m
import numpy as np
import matplotlib as mpl
import pylab as pl
from scipy import optimize

def main():

    # Generate a noisy gaussian
    pIn = [1.0, 100.0, 100.0, 20.0, 30.0, m.radians(60.0)]
    shape = (200, 200)
    X, Y, Z, xyData = gengaussdata(pIn, shape, 200, 0.2)

    # Define an error function
    def errFn(p):

        # twodgaussian' returns the 'gauss' function and the X,Y data is
        # inserted via argument unpacking.
        return twodgaussian(p)(*[Y, X]) - Z

    # Fit the data starting from an initial guess
    p0 = [5.1, 90.0, 70.0, 10.0, 10.0, m.radians(0.0)]
    p1, success = optimize.leastsq(errFn, p0)
    print p1, success

    # Plot the original, fit & residual
    fig = pl.figure(figsize=(18,4.3))

    ax1 = fig.add_subplot(1,3,1)
    cax1 = ax1.imshow(xyData, origin='lower',cmap=mpl.cm.jet)
    cbar1=fig.colorbar(cax1, pad=0.0)
    ax1.scatter(X, Y, c=Z, s=40, cmap=mpl.cm.jet)
    ax1.set_title("Sampled Data")
    ax1.set_xlim(0, shape[-1]-1)
    ax1.set_ylim(0, shape[-2]-1)
    ax1.set_aspect('equal')

    ax2 = fig.add_subplot(1,3,2)
    xyDataFit = twodgaussian(p1, shape)
    cax2 = ax2.imshow(xyDataFit, origin='lower', cmap=mpl.cm.jet)
    cbar2=fig.colorbar(cax2, pad=0.0)
    ax2.set_title("Model Fit")

    ax3 = fig.add_subplot(1,3,3)
    xyDataRes = xyData - xyDataFit
    cax3 = ax3.imshow(xyDataRes, origin='lower', cmap=mpl.cm.jet)
    cbar2=fig.colorbar(cax3, pad=0.0)
    ax3.set_title("Residual")

    pl.show()

def twodgaussian(params, shape=None):

    amp, xo, yo, cx, cy, pa = params

    def gauss(y, x):
        st = m.sin(pa)**2
        ct = m.cos(pa)**2
        s2t = m.sin(2*pa)
        a = (ct/cx**2 + st/cy**2)/2
        b = s2t/4 *(1/cy**2-1/cx**2)
        c = (st/cx**2 + ct/cy**2)/2
        v = amp*np.exp(-1*(a*(x-xo)**2 + 2*b*(x-xo)*(y-yo) + c*(y-yo)**2))
        return v

    if shape is not None:
        return gauss(*np.indices(shape))
    else:
        return gauss

def gengaussdata(params, shape, nSamps=300, noiseFrac=0.2):

    # Generate a noisy gaussian image
    xyData = twodgaussian(params, shape)
    xyData += (np.random.random(xyData.shape) - 0.5) * noiseFrac

    # Sample the data at discrete pixels
    X = np.random.random(nSamps) * xyData.shape[-1] -1
    X = np.array(np.round(X), dtype='int')
    Y = np.random.random(nSamps) * xyData.shape[-2] -1
    Y = np.array(np.round(Y), dtype='int')
    Z = xyData[Y, X]

    return X, Y, Z, xyData

main()

链接到相关图像： link to image