使用光谱重建方法得到光谱响应函数的代码

以下是使用 Python 实现的光谱重建方法代码：

import numpy as np
from scipy.optimize import curve_fit

def gaussian(x, a, b, c):
    """
    定义高斯函数
    """
    return a * np.exp(-(x - b)**2 / (2 * c**2))

def spectral_response_function(light_source, reflectance, spectrum):
    """
    光谱重建方法获取光谱响应函数
    """
    # 对反射谱进行归一化处理
    reflectance_norm = reflectance / np.max(reflectance)
    # 对光源谱进行归一化处理
    light_source_norm = light_source / np.max(light_source)
    # 对测量谱进行归一化处理
    spectrum_norm = spectrum / np.max(spectrum)

    # 对反射谱进行平滑处理
    fit_params, _ = curve_fit(gaussian, range(len(reflectance_norm)), reflectance_norm)
    reflectance_smooth = gaussian(range(len(reflectance_norm)), *fit_params)

    # 对光源谱进行平滑处理
    fit_params, _ = curve_fit(gaussian, range(len(light_source_norm)), light_source_norm)
    light_source_smooth = gaussian(range(len(light_source_norm)), *fit_params)

    # 对测量谱进行平滑处理
    fit_params, _ = curve_fit(gaussian, range(len(spectrum_norm)), spectrum_norm)
    spectrum_smooth = gaussian(range(len(spectrum_norm)), *fit_params)

    # 计算光谱响应函数
    response = np.divide(np.multiply(reflectance_smooth, light_source_smooth), spectrum_smooth)

    return response

其中，`light_source` 为光源谱，`reflectance` 为反射谱，`spectrum` 为测量谱。函数通过对这三个谱进行归一化和平滑处理，然后计算光谱响应函数并返回。在代码实现中，使用了高斯函数进行平滑处理，使用 `curve_fit` 函数进行拟合。