如何从OpenCV边缘检测图像中提取目标曲线的方程？

你已经通过OpenCV完成边缘检测并标注出红色目标曲线，提取其方程可以按以下步骤操作：

1. 提取曲线的像素坐标点 #

从红色标注的曲线中提取所有目标像素的(x,y)坐标，这是拟合的基础：

import cv2
import numpy as np

# 读取目标图像
img = cv2.imread("your_image.png")
# 生成红色区域的掩码（根据图像中红色的实际色调调整阈值）
lower_red = np.array([0, 0, 100])
upper_red = np.array([50, 50, 255])
red_mask = cv2.inRange(img, lower_red, upper_red)
# 提取掩码中的非零像素坐标
curve_points = cv2.findNonZero(red_mask)
# 转换为二维数组格式
curve_points = curve_points.reshape(-1, 2)
x = curve_points[:, 0]  # 横坐标数组
y = curve_points[:, 1]  # 纵坐标数组

2. 判断曲线类型 #

先通过可视化观察曲线形态，确定拟合模型：

import matplotlib.pyplot as plt

plt.scatter(x, y, s=5)
plt.title("目标曲线像素点分布")
plt.show()

根据图像判断：是直线、抛物线、还是指数/对数等非线性曲线，对应选择不同的拟合方法。

3. 曲线拟合求解方程 #

线性拟合（直线方程：y = kx + b） #

如果曲线近似直线，用一阶多项式拟合：

# 一阶多项式拟合
linear_coeffs = np.polyfit(x, y, 1)
k, b = linear_coeffs
print(f"直线方程：y = {k:.4f}x + {b:.4f}")

多项式拟合（以二次曲线为例：y = ax² + bx + c） #

如果是曲线形态，尝试二阶或更高阶多项式：

# 二阶多项式拟合
quad_coeffs = np.polyfit(x, y, 2)
a, b, c = quad_coeffs
print(f"二次曲线方程：y = {a:.6f}x² + {b:.4f}x + {c:.4f}")

非线性拟合（以指数曲线为例：y = ae^(bx) + c） #

针对特殊形态的非线性曲线，使用SciPy的曲线拟合工具：

from scipy.optimize import curve_fit

# 定义指数模型
def exponential_model(x, a, b, c):
    return a * np.exp(b * x) + c

# 执行拟合
popt, _ = curve_fit(exponential_model, x, y)
a, b, c = popt
print(f"指数曲线方程：y = {a:.4f}e^({b:.4f}x) + {c:.4f}")

4. 验证拟合效果 #

将拟合曲线与原始像素点对比，确认精度：

# 生成拟合曲线的采样点
x_fit = np.linspace(x.min(), x.max(), 200)
# 以线性拟合为例生成y值
y_fit = linear_coeffs[0] * x_fit + linear_coeffs[1]

plt.scatter(x, y, s=5, label="原始像素点")
plt.plot(x_fit, y_fit, "r-", linewidth=2, label="拟合曲线")
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者Ben Watson