使用curve_fit拟合悬链线出现异常大参数的问题求助

我拍摄了一条链条的照片，采样了每个链环的像素位置，想要拟合悬链线模型 a*cosh((x-x0)/a)+c 的最优参数（a、c、x0为待求参数）。采样点绘制到原图上与链条完全重合，但拟合得到的参数却比预期大数千倍。我尝试减少采样点数量、调整初始参数，但问题仍未解决。

问题原因 #

核心问题是图像坐标系的y轴方向与数学模型相反：

• 图像中y值越大表示位置越靠下（原点在左上角）
• 标准悬链线模型 c + a*cosh((x-x0)/a) 的y值越大表示位置越靠上，且在x=x0处取得最小值（链条的最低点）

你的采样数据中，链条最低点对应图像的最高y值（约2624），这与模型的趋势完全相反，导致拟合算法收敛到错误的参数值。

解决方法 #

方法1：反转y轴数据 #

将采样的y值反转，使其符合模型的y轴方向：

y_max = y.max()
y_inverted = y_max - y

然后用y_inverted代替原y值进行拟合。

方法2：修改悬链线模型 #

调整模型以适配图像的y轴方向，让模型在x=x0处取得最大值（对应链条最低点）：

def cat(x, a, c, x0):
    return c - a * np.cosh((x - x0) / a)

修正后的完整代码 #

以下是包含y轴反转的修正代码，同时修复了未加载图像的问题：

from matplotlib import pyplot as plt
from scipy.optimize import curve_fit
import numpy as np

fname = "C:/Users/marti/OneDrive/Desktop/Pier/Catenaria.txt"
# 加载图像（替换为你的实际图像路径）
img = plt.imread("your_image_path_here.jpg")

plt.xlabel("x [pixels]")
plt.ylabel("y [pixels]")
plt.imshow(img)

x, y = np.loadtxt(fname, unpack=True)
# 反转y轴数据
y_max = y.max()
y_inverted = y_max - y

sigma_y = 3.
plt.errorbar(x, y, sigma_y, fmt=".")

def cat(x, a, c, x0):
    return c + a * np.cosh((x - x0) / a)

# 基于反转后的数据设置合理初始参数
popt, pcov = curve_fit(cat, x, y_inverted, p0=(1000., 0., 2052.))
a_hat, c_hat, x0_hat = popt
sigma_a, sigma_c, sigma_x0 = np.sqrt(pcov.diagonal())
print(f"a: {a_hat:.2f} ± {sigma_a:.2f}, c: {c_hat:.2f} ± {sigma_c:.2f}, x0: {x0_hat:.2f} ± {sigma_x0:.2f}")

# 将拟合结果转换回原图像坐标系
y_fit = y_max - cat(x, a_hat, c_hat, x0_hat)
plt.plot(x, y_fit, color='red', label='拟合悬链线')
plt.legend()

plt.show()

额外说明 #

• 初始参数的选择仍需合理：反转后的y值最小值为0（链条最低点），因此c的初始值可设为0，a的初始值可根据链条跨度估算（跨度约为3291像素，a值通常为跨度的1/4~1/2）
• 代码中修复了img未加载的问题，需替换为你的实际图像路径

内容的提问来源于stack exchange，提问作者PIERGIORGIO GRECO