曲线拟合scipy.stats.multivariate_normal

Question

我试图将曲线拟合2D多元正态分布与图像。方法在这里有效，但是我想用协方差矩阵来参数化结果，例如scipy.stats。 Multivariate_normal。

这是我的代码：

def mvnorm(data_tuple, mean1, mean2, cov1, cov2, cov3):
     (x, y) = data_tuple
     pos = numpy.dstack((x, y))
     mean = [mean1,mean2]
     cov = [[cov1,cov3],[cov3,cov2]]
     result = scipy.stats.multivariate_normal.pdf(pos, mean, cov)

     return result

 def fit_mvnorm(array, coords, initial_guess):
     shp = numpy.shape(array)
     step1 = abs(coords[0]-coords[1])/shp[1]
     step2 = abs(coords[2]-coords[3])/shp[1]
     x, y = numpy.mgrid[coords[0]:coords[1]:step1, coords[2]:coords[3]:step2]    
     popt,pcov = scipy.optimize.curve_fit(mvnorm, (x,y), array, p0=initial_guess)

     return popt, pcov

我的数据numpy.ndarray包含图像的亮度值（float）并具有形状（548,548）。 坐标是轴限制坐标的列表。当我运行该功能时，我会收到以下错误：

ValueError: object too deep for desired array
...
error: Result from function call is not a proper array of floats.

您对尝试什么有任何想法吗？