如何从一维信号中提取局部最大值？二进制图像信号处理场景

针对你从二进制图像生成的一维信号count_non_zero，可以使用scipy.signal.find_peaks精准定位局部峰值，以下是具体实现步骤：

完整代码示例 #

import cv2
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import find_peaks

# 原图像处理代码
pic = cv2.imread("img.png")
pic = pic[:,:,0]  # 取单通道
count_non_zero = np.sum(pic==255, axis = 1)

# 寻找局部峰值
# 参数说明：
# - height: 设定峰值最小高度，过滤低幅值噪声
# - distance: 设定峰值间最小距离，避免相邻过近的峰被重复识别
peaks, peak_properties = find_peaks(count_non_zero, height=0, distance=5)

# 筛选590~600区间内的峰值
target_peaks = peaks[(peaks >= 590) & (peaks <= 600)]
peak_heights = peak_properties['peak_heights'][(peaks >= 590) & (peaks <= 600)]

# 输出结果
print("590~600区间内的峰值对应的行数（X轴）：", target_peaks)
print("对应峰值的列数（Y轴）：", peak_heights)

# 可视化验证
plt.plot(count_non_zero)
plt.scatter(target_peaks, peak_heights, color='black', marker='x')
plt.show()

关键说明 #

• find_peaks返回的peaks数组是峰值对应的行数索引（即X轴数值），peak_properties['peak_heights']是对应的列数计数（即Y轴数值）。
• 可根据你的实际信号调整height和distance参数：如果峰值周围有小噪声峰，提高height阈值；如果峰值间距较近，减小distance值。
• 筛选区间时使用numpy的布尔索引，精准锁定590到600之间的峰值。

内容的提问来源于stack exchange，提问作者Issac Boera