如何在光谱图中实现连续统去除？凸包优化及效果实现求助

要解决这个问题，我们需要两步：筛选出凸包的上部边界（连续统），然后基于连续统计算去除后的光谱。以下是具体实现：

步骤1：提取上部凸包（连续统） #

原始ConvexHull会生成整个凸包的所有边，包括底部的边界。我们只需要保留按波长（x轴）排序后的凸包顶点连线，这就是光谱的上包络（连续统）。

步骤2：计算连续统去除后的光谱 #

通过插值方法，为每个原始波长点匹配连续统对应的反射率值，再用原始反射率除以该值，得到归一化后的连续统去除光谱。

修改后的完整代码 #

import pandas as pd
import numpy as np
from scipy.spatial import ConvexHull
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

# 读取数据
data = open('15C80D4_00002.txt')
d = pd.read_table(data, sep=r'\t', header=None, names=['Wvl', 'Reflectance'], skiprows=1, engine='python')

# 提取x和y数组
x = d['Wvl'].values
y = d['Reflectance'].values
points = np.column_stack((x, y))

# 计算凸包
hull = ConvexHull(points)

# 提取凸包顶点并按波长排序（得到上部连续统的点）
hull_vertices = points[hull.vertices]
# 按x轴（波长）排序
hull_sorted = hull_vertices[np.argsort(hull_vertices[:, 0])]

# 创建连续统插值函数，用于匹配所有原始波长点的连续统值
continuum_interp = interp1d(hull_sorted[:, 0], hull_sorted[:, 1], kind='linear')
continuum = continuum_interp(x)

# 计算连续统去除后的光谱（反射率/连续统）
continuum_removed = y / continuum

# 绘图
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制原始光谱
ax.plot(x, y, label='原始光谱', color='blue', linewidth=1)
# 绘制上部凸包（连续统）
ax.plot(hull_sorted[:, 0], hull_sorted[:, 1], label='连续统', color='red', linestyle='--', linewidth=1.5)
# 绘制连续统去除后的光谱
ax.plot(x, continuum_removed, label='连续统去除光谱', color='green', linewidth=1)

# 设置图表标签和图例
ax.set_xlabel('波长')
ax.set_ylabel('反射率/归一化反射率')
ax.legend()
plt.show()

关键代码解释 #

• 提取并排序凸包顶点：hull.vertices给出凸包的顶点索引，我们将这些顶点按波长排序后，连线就是光谱的上包络，避免了底部的凸包边。
• 插值匹配连续统值：因为凸包顶点的波长数量远少于原始数据，用interp1d做线性插值，为每个原始波长点计算对应的连续统反射率。
• 连续统去除计算：采用反射率除以连续统的方式，得到归一化后的光谱，这是连续统去除的标准方法。

内容的提问来源于stack exchange，提问作者Shivanshika Chauhan