这个小工具可以提取多条曲线，由之前在中看到的代码改进而来，简单实用，丑点无所谓，你可以自己修改，我主要是假期碰到大量曲线提取的任务所以弄来提高生产力的。

直接上看效果：

曲线点抽稀算法的Python实现 抽取曲线怎么用_百度云


解释一下，运行程序之后会提示你选中曲线图，然后会将图片显示出来，再单击需要提取的那条曲线，接着再右键，会对图片进行处理，去除多余的曲线。接下来再双击图片，会有十字出现用于选中坐标轴范围，先点左上角再点右下角就会出现提取到的曲线了，曲线的数据存储在代码中的变量里，可以自行处理，需要注意的是坐标轴的最大值和最小值需要自行在代码里面更改，因为我需要批量处理图片，所以都选取的固定值。

  • 左下角的按钮是用来返回的，比如曲线没有提取好，可以点左下角按钮恢复。
  • 右下角的按钮是用来继续的，在提取完一张图片之后，可以点右下角按钮继续选择图片

关于曲线提取的部分我稍微看了一下，效果还不错，代码也不难，思路建议去看原博主的，我这里主要提供这样一个工具方便批量处理图片曲线，并且支持多曲线提取。
代码如下：

import java.awt.Robot;
global robot
robot = java.awt.Robot;
close all
[ file path] = uigetfile('*.jpg','MultiSelect','off')
a = imread(fullfile(path,file ));
fh = figure('menubar','none','NumberTitle','off','toolbar','none',...
    'color','w','position',[400 50 1400 800],'WindowButtonUpFcn',@getRGB,...
    'Tag','fh');
Axes = axes('parent',fh,'units','normalized','position',[0.05 0.05 0.4 0.8],...
    'visible','on')
Axes2 = axes('parent',fh,'units','normalized','position',[0.5 0.05 0.4 0.8],...
    'visible','on')
axes(Axes);
imshow(a);
setappdata(fh,'im',a);
setappdata(fh,'Axes2',Axes2);
setappdata(fh,'Axes',Axes);
ddddd = uicontrol('parent',fh,'style','pushbutton','units','normalized','position',...
    [0 0 0.1 0.1],'callback',@jjj);
ddddd2 = uicontrol('parent',fh,'style','pushbutton','units','normalized','position',...
    [0.8 0 0.1 0.1],'callback',@jjj2);
function getRGB(~,~)
fh = findobj('Tag','fh');
switch get(fh,'SelectionType')
    case 'normal'
        global robot
        xy = get(0,'ScreenSize');
        xy(1:2) = [];
        x = get(0,'PointerLocation');
        robot.mouseMove(x(1),xy(2)-x(2))
        a = robot.getPixelColor(x(1),xy(2)-x(2))
        red = a.getRed();
        green = a.getGreen();
        blue = a.getBlue();
        setappdata(fh,'RGB',[red green blue]);
    case 'alt'
        a = getappdata(fh,'im');
        rgb = getappdata(fh,'RGB');
        a1 = a(:,:,1);
        a2 = a(:,:,2);
        a3 = a(:,:,3);
        d = find(abs(a1-rgb(1)>20)|abs(a2-rgb(2)>20)|abs(a3-rgb(3)>20));
        a1(d) = 255;
        a2(d) = 255;
        a3(d) = 255;
        a(:,:,1) = a1;
        a(:,:,2) = a2;
        a(:,:,3) = a3;
        imshow(a)
        setappdata(fh,'im2',a);
    case 'open'
        im = getappdata(fh,'im2');
        im=rgb2gray(im);%灰度变化
        thresh = graythresh(im);%二值化阈值
        im=im2bw(im,thresh);%二值化
        set(0,'defaultfigurecolor','w')
        imshow(im)%显示图片
        [y,x]=find(im==0);%找出图形中的“黑点”的坐标。该坐标是一维数据。
        y=max(y)-y;%将屏幕坐标转换为右手系笛卡尔坐标
        y=fliplr(y);%fliplr()——左右翻转数组
        plot(x,y,'k.','Markersize', 2);    
        [Xx,Yy]=ginput(2);%Xx,Yy——指实际坐标框的两个顶点
        min_x=0;
        max_x=20;
        min_y=0;
        max_y=140;
        x=(x-Xx(1))*(max_x-min_x)/(Xx(2)-Xx(1))+min_x;
        y=(y-Yy(1))*(min_y-max_y)/(Yy(2)-Yy(1))+max_y;
        plot(x,y,'k.','Markersize', 2);
        axis([min_x,max_x,min_y,max_y])%根据输入设置坐标范围
        rate_x=0.008;%曲线的最前端和最后段删除比例
        rate_y=0.008;%曲线的最顶端和最底段删除比例
        [x_uni,index_x_uni]=unique(x);%找出有多少个不同的x坐标
        x_uni(1:floor(length(x_uni)*rate_x))=[];%除去前rate_x(如5%)的x坐标
        x_uni(floor(length(x_uni)*(1-rate_x)):end)=[];%除去后rate_x的x坐标
        index_x_uni(1:floor(length(index_x_uni)*rate_x))=[];%除去前rate_x的x坐标
        index_x_uni(floor(length(index_x_uni)*(1-rate_x)):end)=[];%除去后rate_x的x坐标
        [mxu,~]=size(x_uni);
        [mx,~]=size(x);
        for ii=1:mxu
            if ii==mxu
                ytemp=y(index_x_uni(ii):mx);
            else
                ytemp=y(index_x_uni(ii):index_x_uni(ii+1));
            end
            threshold1=mean(ytemp)-std(ytemp);
            threshold2=mean(ytemp)+std(ytemp);
            ytemp(find(ytemp<threshold1))=[];
            ytemp(find(ytemp>threshold2))=[];
            thresholdy=(max_y-min_y)*rate_y;
            ytemp(find(ytemp>max_y-thresholdy))=[];
            ytemp(find(ytemp<min_y+thresholdy))=[];
            y_uni(ii)=mean(ytemp);
        end
        x_uni(find(isnan(y_uni)))=[];
        y_uni(find(isnan(y_uni)))=[];
        size(x_uni)
        size(y_uni)
        hh = find(x_uni<min_x);
        x_uni(hh) = [];
        y_uni(hh)= [];
        Axes2 = getappdata(fh,'Axes2')
        axes(Axes2)
        plot(x_uni,y_uni)
        title('提取曲线')
        axis([min_x,max_x,min_y,max_y])%根据输入设置坐标范围
        Axes = getappdata(fh,'Axes')
        axes(Axes)
end
end
function jjj(~,~)
fh = findobj('Tag','fh');
a = getappdata(fh,'im');
imshow(a)
end
function jjj2(~,~)
[ file path] = uigetfile('*.jpg','MultiSelect','off')
a = imread(fullfile(path,file ));
fh = findobj('Tag','fh');
figure(fh)
imshow(a)
end

下面是相关的文章，有兴趣可以看看，有关MATLAB调用有关API的使用
链接: 百度云人脸识别.
链接: 百度云文字识别 链接: 有道翻译 链接: 百度地图经纬度.
链接: 百度云语音识别 链接: MATLAB 发送邮件 sendmail的使用.