如何分离scipy find_peaks检测到的条纹并存储至文本文件

看起来你现在的核心问题是：用find_peaks检测到所有峰值点后，没法区分出那些独立的条纹曲线，而是把所有点混在了一起。我来帮你一步步解决这个问题，先修正原代码的bug，再实现条纹分组逻辑，最后把每个条纹的数据保存到文件里。

先修正原代码的致命错误 #

你写的代码里有个严重的缩进问题：if peaks.size > 0这部分是在for循环外面的，这会导致程序只处理最后一行的峰值，前面所有行的检测结果都被忽略了！首先得把这个if块缩进，放到for循环内部，和peaks检测的代码对齐。

核心思路：按行匹配峰值，分组条纹 #

条纹是连续的曲线，上下相邻行中属于同一条纹的峰值坐标肯定会很接近。基于这个特点，我们可以：

1. 按行收集每一行的所有峰值坐标，记录每行的峰值列表
2. 从第一行开始，把每个峰值作为一个新条纹的起点
3. 逐行往下，把当前行的每个峰值和上一行的峰值计算距离，把距离最近的峰值归为同一条纹（设置一个距离阈值来判断）
4. 最后把每个独立条纹的坐标单独保存

完整可运行代码 #

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

# 加载你的数据
X = np.load('X.npy')  
Y = np.load('Y.npy')  
P_new = np.load('P_new.npy')  
T = np.real(P_new)  # 提取2D矩阵的实部作为处理对象

# 绘制原始图像确认数据
plt.figure()
plt.imshow(T, cmap='jet', aspect='auto')
plt.colorbar()
plt.title('Original Image')
plt.show()

# 峰值检测参数（可根据你的数据微调）
min_peak_dist = 3   # 同一行内峰值的最小间距
min_peak_h = 3e-5   # 峰值的最小高度阈值

# --------------------------
# 第一步：按行收集所有峰值坐标（修正缩进错误）
# --------------------------
row_peak_coords = []  # 每个元素是该行的峰值坐标列表：[(x1,y1), (x2,y2), ...]
for k in range(T.shape[0]):
    current_row = T[k, :]
    peaks, _ = find_peaks(current_row, distance=min_peak_dist, height=min_peak_h)
    
    if peaks.size > 0:
        # 把当前行的峰值转换成(X,Y)真实坐标
        current_peaks = [(X[k, p], Y[k, p]) for p in peaks]
        row_peak_coords.append(current_peaks)
    else:
        # 该行没有检测到峰值，添加空列表占位
        row_peak_coords.append([])

# --------------------------
# 第二步：将峰值分组到不同的条纹
# --------------------------
stripes = []  # 每个元素是一条条纹的坐标列表

# 初始化：第一行的每个峰值对应一个新条纹
if row_peak_coords[0]:
    for peak in row_peak_coords[0]:
        stripes.append([peak])

# 从第二行开始，匹配上一行的峰值，分配到对应条纹
distance_threshold = 5  # 同一条纹上下行峰值的最大距离阈值，可根据数据调整
for k in range(1, len(row_peak_coords)):
    current_peaks = row_peak_coords[k]
    prev_peaks = row_peak_coords[k-1]
    
    if not current_peaks:
        continue  # 当前行无峰值，直接跳过
    
    if not prev_peaks:
        # 上一行没有峰值，当前行的每个峰值作为新条纹的起点
        for peak in current_peaks:
            stripes.append([peak])
        continue
    
    # 计算当前行每个峰值与上一行所有峰值的欧氏距离，找到最近的匹配
    current_to_stripe = []
    for curr_p in current_peaks:
        distances = [np.linalg.norm(np.array(curr_p) - np.array(prev_p)) for prev_p in prev_peaks]
        closest_idx = np.argmin(distances)
        
        if distances[closest_idx] < distance_threshold:
            # 距离足够近，归为同一条纹
            current_to_stripe.append(closest_idx)
        else:
            # 距离太远，作为新条纹
            current_to_stripe.append(len(stripes))
            stripes.append([curr_p])
    
    # 把当前行的峰值添加到对应条纹中
    for idx, stripe_idx in enumerate(current_to_stripe):
        stripes[stripe_idx].append(current_peaks[idx])

# --------------------------
# 第三步：可视化分离后的条纹
# --------------------------
plt.figure(figsize=(10,6))
colors = plt.cm.rainbow(np.linspace(0, 1, len(stripes)))
for i, stripe in enumerate(stripes):
    stripe_x = [p[0] for p in stripe]
    stripe_y = [p[1] for p in stripe]
    plt.scatter(stripe_x, stripe_y, color=colors[i], s=2, label=f'Stripe {i+1}')

plt.xlabel('X Coordinate')
plt.ylabel('Y Coordinate')
plt.title('Separated Individual Fringes')
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', fontsize='small')
plt.tight_layout()
plt.show()

# --------------------------
# 第四步：保存条纹数据到文本文件
# --------------------------
# 方式1：每个条纹保存到单独的文本文件
for i, stripe in enumerate(stripes):
    stripe_array = np.array(stripe)
    # 保存为带表头的文本文件，格式为X Y
    np.savetxt(f'stripe_{i+1}.txt', stripe_array, header='X Y', fmt='%.6f', comments='')
    print(f"✅ 条纹 {i+1} 已保存到 stripe_{i+1}.txt")

# 方式2：所有条纹保存到一个文件，用空行分隔不同条纹
with open('all_stripes.txt', 'w') as f:
    f.write('# All separated fringes (empty line separates different stripes)\n')
    f.write('# X Coordinate    Y Coordinate\n')
    for stripe in stripes:
        for (x, y) in stripe:
            f.write(f'{x:.6f}    {y:.6f}\n')
        f.write('\n')  # 空行分隔不同条纹
print("✅ 所有条纹已保存到 all_stripes.txt")

关键细节说明 #

• 距离阈值调整：distance_threshold是判断上下行峰值是否属于同一条纹的关键，如果你的条纹间距比较大，就把这个值调大一点，反之调小。
• 边界情况处理：代码会自动处理某行无峰值、条纹新增/结束的情况，比如某一行突然多了一个峰值，会自动作为新条纹的起点。
• 保存方式：提供了两种保存方案，你可以根据后续处理需求选择——单个文件对应单条纹，或者一个文件集中存储所有条纹。

备注：内容来源于stack exchange，提问作者wosker4yan