基于elliptic Fourier descriptors的形状重建及Momocs包使用求助

实现步骤 #

1. 依赖包安装与加载 #

# 首次运行先安装依赖包
# install.packages(c("Momocs", "readxl", "dplyr", "RColorBrewer"))
library(Momocs)
library(readxl)
library(dplyr)
library(RColorBrewer)

2. 数据导入与格式转换 #

将你获取的Excel数据存到本地后，替换下方路径导入数据：

# 导入本地Excel数据，替换为你自己的文件存储路径
raw_data <- read_excel("替换为你的本地文件绝对路径/本地数据文件名.xlsx")

# 拆分分组信息与EFD系数
# 假设数据中站点分组列名为site，EFD系数从第2列开始，按A1/B1/C1/D1...An/Bn/Cn/Dn顺序排列
site_group <- raw_data$site
efd_matrix <- as.matrix(raw_data[, !colnames(raw_data) %in% c("site")])

# 转换为Momocs可识别的EFD对象
efd_obj <- Out(efd = efd_matrix, fac = data.frame(site = as.factor(site_group)))

3. 基于一次谐波的EFD归一化 #

# 以第一谐波为基准，完成大小、方向、位置的归一化
efd_normalized <- efourier_norm(efd_obj, align = TRUE, start = 1)

4. 按站点计算平均形状 #

# 按站点分组计算组内平均形状
site_mean_shapes <- efd_normalized %>%
  group_by(site) %>%
  mean()

5. 结果可视化验证 #

# 叠加展示所有站点的平均形状对比
pile(site_mean_shapes, cols = brewer.pal(nlevels(efd_normalized$fac$site), "Set2"), lwd = 2)

# 分面单独展示每个站点的平均形状
facets(site_mean_shapes, ~site, nc = 2)

注意事项 #

• 导入数据前需确认你的Excel表列结构：如果分组列名不是site，或者EFD系数的起始列、排列顺序和上述假设不一致，需对应调整代码中的列筛选逻辑
• 若运行时报错谐波数量不匹配，可先打印dim(efd_matrix)确认列数为4的整数倍，对应你提取的谐波数量
• 归一化后可通过efourier_contour(efd_normalized[1])绘制单个样本的轮廓，验证归一化效果是否符合预期

内容的提问来源于stack exchange，提问作者karadeniz