我有一个暗图像(原始格式)，并绘制图像的图像和分布 . 正如您所看到的那样，在16处有一个高峰，请忽略它 . 我想通过这个直方图拟合高斯曲线 . 我已经使用这种方法来适应：Un-normalized Gaussian curve on histogram . 然而;我的高斯拟合永远不会接近它应该是什么 . 将图像转换为正确的图形格式或者出现其他问题时，我做错了吗？

这是我用来生成此数据的当前代码：

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

def fitGaussian(x,a,mean,sigma):

return (a*np.exp(-((x-mean)**2/(2*sigma))))

fname = 'filepath.raw'

im = np.fromfile(fname,np.int16)

im.resize([3056,4064])

plt.figure()

plt.set_cmap(viridis)

plt.imshow(im, interpolation='none', vmin=16, vmax=np.percentile(im.ravel(),99))

plt.colorbar()

print 'Saving: ' + fname[:-4] + '.pdf'

plt.savefig(fname[:-4]+'.pdf')

plt.figure()

data = plt.hist(im.ravel(), bins=4096, range=(0,4095))

x = [0.5 * (data[1][i] + data[1][i+1]) for i in xrange(len(data[1])-1)]

y = data[0]

popt, pcov = curve_fit(fitGaussian, x, y, [500000,80,10])

x_fit = py.linspace(x[0], x[-1], 1000)

y_fit = fitGaussian(x_fit, *popt)

plt.plot(x_fit, y_fit, lw=4, color="r")

plt.xlim(0,300)

plt.ylim(0,1e6)

plt.show()

EDIT: (对Reblochon Masque的回应)

如果我在16处移除垃圾箱，我仍然可以获得相同的适合度：