[Python] (Linie) Extrahieren Sie Werte aus Diagrammbildern

Einführung

Gibt es ein Diagramm, aber keine Daten ...? Wenn Sie ein Bild haben, extrahieren wir es.

pandas 0.7.3 documentation -Plotting with matplotlib 　　　　　　　　　　　　\downarrow array([-0.4028436 , -0.09518499, 0.21247362, ..., 39.12322275, 39.12322275, 39.12322275]) 　　　　　　　　　　　　＋

↑ ~~ Wenn dies in Ordnung ist, können Sie nicht viel Genauigkeit erwarten. .. .. ~~

Prozessablauf

Erhalten Sie das gewünschte Diagramm, indem Sie den Farbbereich auswählen 　　↓ Durchschnitt in vertikaler Richtung 　　↓ Interpolieren Sie für die Anzahl der gewünschten Samples 　　↓ Skaleneinstellung 　　↓ Ausgabe

Implementierung

** Sie können es hier in Colab ausführen **

import numpy as np
import matplotlib.pyplot as plt
from ipywidgets import interact
import requests
from PIL import Image
import io

Holen Sie sich Bilddaten, ignorieren Sie Alpha vorerst

path = "Bildpfad"
im = plt.imread(path)
if im.shape[2] == 4:im = im[:,:,:-1]
if im.max() > 1:im /= 255
h, w, _ = im.shape
plt.imshow(im[::-1])

Schneiden Sie nur den Bereich des Diagramms für eine spätere Anpassung des Maßstabs

@interact(x_min=(0, w), x_max=(0, w), y_min=(0,h), y_max=(0,h))
def Plot(x_min=0, x_max=w, y_min=0, y_max=h):
    global imag
    plt.figure(figsize=(7, 7))
    imag = im[min(y_min,y_max-1):max(y_min+1, y_max), min(x_min,x_max-1):max(x_min+1, x_max)]
    plt.imshow(imag[::-1])

Wählen Sie das Diagramm aus, das Sie durch Auswahl des Farbbereichs extrahieren möchten, und passen Sie den Schwellenwert an, um zu verhindern, dass unnötige Teile eingegeben werden.

@interact(x=(0, imag.shape[1]), y=(0,imag.shape[0]), thresh=(1,10))
def Plot(x, y, thresh):
    global p
    p = ((imag - imag[y, x]) ** 2).sum(axis=2) < (1 / (1<<thresh))
    print(p.sum())
    plt.imshow(p[::-1])
    plt.plot([x, x], [0, imag.shape[0]], color="r")
    plt.plot([0, imag.shape[1]], [imag.shape[0]-y, imag.shape[0]-y], color="r")

Nehmen Sie den Durchschnitt in vertikaler Richtung

p = np.pad(p, 1, "constant")
sx = np.arange(len(p[0]))[p.argmax(axis=0)!=0]
sy = []

for i in p.T:
    j = np.where(i!=0)[0]
    if j.tolist():
        sy.append(j.mean())

Auswahl der Anzahl der Proben, Entfernung des Rauschens durch gleitenden Durchschnitt (Faltung)

@interact(sample=(5, 1250), conv_size=(1, 21, 2))
def fit(sample, conv_size):
    global y
    x = np.linspace(sx.min(), sx.max(), sample)
    y = np.convolve(np.pad(np.interp(x, sx, sy), (conv_size-1)//2, "edge"), np.ones(conv_size) / conv_size, "valid")
    plt.plot(x, y)
    plt.xlim(0,len(p[0]))
    plt.ylim(0, len(p))

Geben Sie den Bereich des Diagramms ein, das zuerst geschnitten wurde

yl = list(map(int,input("Y-range of trimmed graph?         ").split(",")))

Skaleneinstellung, Ausgabe

y_out = y * (yl[1] - yl[0]) / p.shape[0] + yl[0]
y_out

Grafikausgabe

plt.plot(y_out)
plt.ylim(*yl)

↑ ist ein Programm für Jupyter und kann daher nur ausgeführt werden, wenn die Zellen durch separate Teile getrennt sind.

schließlich

Die Verwendung ist einfacher, wenn Sie das Trimmen und die Auswahl des Farbbereichs mithilfe von HTML interaktiver gestalten.