如何移除按y值排序的近似直线2D坐标列表中的异常点？

针对你这种按y值排序、近似直线的坐标点集，下面几个方法比夹角判断更靠谱：

1. 线性回归残差过滤 #

这是最直观的方案，核心思路是用所有点拟合一条直线，把偏离直线过远的点删掉：

• 第一步：对所有点做线性回归，得到拟合直线的方程 y = kx + b（也可以用x关于y的回归，因为y是排序好的，能避免y值相近导致的计算问题）
• 第二步：计算每个点到这条直线的垂直残差，公式为 |k*x_i - y_i + b| / sqrt(k² + 1)，这个值代表点到直线的实际距离，比单纯计算y的差值更准确
• 第三步：设定异常阈值，比如取残差标准差的2-3倍，把残差超过阈值的点标记为异常点移除
• 进阶优化：可以迭代执行——先移除残差最大的几个点，再重新拟合直线，直到残差的标准差不再明显下降，避免初始异常点干扰拟合结果

2. 相邻点斜率一致性检查 #

因为你的点是按y递增排序的，相邻点的斜率应该接近直线的整体斜率，利用这一点可以快速定位异常点：

• 第一步：计算每一对相邻点的斜率 slope_i = (x_{i+1} - x_i) / (y_{i+1} - y_i)（y递增，分母不会为0）
• 第二步：计算所有斜率的均值 avg_slope 和标准差 slope_std
• 第三步：遍历每个斜率，如果 |slope_i - avg_slope| > 2*slope_std，说明这对相邻点中存在异常点。此时可以对比这两个点与前后点的斜率变化，或者结合线性回归的残差来确定具体是哪个点异常（比如看哪个点的残差更大）
• 优势：计算量极小，适合处理大规模点集，实时性好

3. RANSAC随机抽样一致性算法 #

如果你的点集中异常点比例较高（比如超过20%），线性回归会被异常点带偏，RANSAC是更好的选择：

• 步骤：
  1. 随机从点集中选2个点，拟合一条直线
  2. 设定距离阈值，统计所有点中到这条直线的距离小于阈值的点（内点）数量
  3. 重复几百次这个过程，选出内点数量最多的那条直线作为最优拟合直线
  4. 保留所有属于这个内点集的点，移除剩下的异常点
• 小技巧：因为点是按y排序的，选点时优先选y值间隔大的点，减少选到相邻异常点的概率，提升算法效率

注意事项 #

• 阈值不要硬编码，建议用数据的统计特征（比如标准差）动态计算，适配不同的噪声情况
• 如果点集本身没有异常点，这三个方法都不会误删，因为所有点的残差或斜率偏差都会在阈值范围内
• 三种方法的适用场景：
  • 异常点少（<10%）：优先用线性回归残差，实现简单结果稳定
  • 大规模点集：用斜率一致性检查，计算快
  • 异常点多：用RANSAC，抗干扰能力强

内容的提问来源于stack exchange，提问作者357865