图像曲线拟合与交点检测方法问询（已完成边缘提取）

基于你已完成的边缘提取，后续可通过轮廓分离、多项式拟合、联立方程求解三步获取两条曲线的交点，具体实现如下：

1. 分离两条曲线的边缘点 #

Canny检测得到的边缘包含所有轮廓点，需先通过轮廓提取将两条曲线的点分离：

import cv2
import numpy as np

# 你的边缘提取代码
img = cv2.imread('image6.jpg')
grad_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, 3)
grad_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, 3)
grad = np.sqrt(grad_x**2 + grad_y**2)
grad_norm = (grad * 255 / grad.max()).astype(np.uint8)
grad_norm = cv2.blur(grad_norm,(3,3))
edges = cv2.Canny(image=grad_norm, threshold1=100, threshold2=200)

# 提取轮廓并筛选目标曲线
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# 按轮廓面积排序，取前2个最大的轮廓（对应两条目标曲线）
contours = sorted(contours, key=cv2.contourArea, reverse=True)[:2]
# 将轮廓点转换为二维数组
points1 = contours[0].reshape(-1, 2)
points2 = contours[1].reshape(-1, 2)

2. 多项式曲线拟合 #

观察图像中曲线形态，采用二次多项式（抛物线）拟合即可满足需求：

# 拟合第一条曲线：y = a1x² + b1x + c1
x1, y1 = points1[:, 0], points1[:, 1]
coeffs1 = np.polyfit(x1, y1, 2)

# 拟合第二条曲线：y = a2x² + b2x + c2
x2, y2 = points2[:, 0], points2[:, 1]
coeffs2 = np.polyfit(x2, y2, 2)

3. 联立方程求解交点 #

将两条曲线的方程联立，转化为一元二次方程求解：

# 构造差值方程：(a1-a2)x² + (b1-b2)x + (c1-c2) = 0
a = coeffs1[0] - coeffs2[0]
b = coeffs1[1] - coeffs2[1]
c = coeffs1[2] - coeffs2[2]

# 求解一元二次方程的根
delta = b**2 - 4*a*c
x_intersect = [(-b + np.sqrt(delta))/(2*a), (-b - np.sqrt(delta))/(2*a)]
# 计算对应交点的y坐标
y_intersect = [np.polyval(coeffs1, x) for x in x_intersect]

# 最终交点坐标（已取整适配图像像素）
intersections = [(int(round(x)), int(round(y))) for x, y in zip(x_intersect, y_intersect)]

4. 可视化验证 #

将交点标记在原图上，确认结果：

# 绘制红色交点
img_result = img.copy()
for (x, y) in intersections:
    cv2.circle(img_result, (x, y), 6, (0, 0, 255), -1)
cv2.imshow('Result', img_result)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 若轮廓提取出现干扰小轮廓，可通过设置面积阈值过滤；
• 若曲线形态为高次曲线，可调整np.polyfit的第三个参数（拟合次数）；
• 题目明确存在两个交点，因此无需处理判别式delta≤0的情况。

内容的提问来源于stack exchange，提问作者user1524182