基于局部曲率的图像边界彩色映射算法（OpenCV C/C++）咨询

刚好做过类似的需求，给你一套完整的OpenCV C++实现方案，分步骤来，每一步都有具体代码和思路：

核心逻辑是：先从边界图像中提取连续的边界点序列 → 计算每个点的局部曲率 → 将曲率值映射为红-黄渐变的颜色 → 把颜色绘制到图像上可视化。

1. 提取边界点序列 #

首先假设你的输入是二值边界图（边界为白色，背景黑色），如果不是的话先转成二值图。用OpenCV的findContours提取轮廓，注意用CHAIN_APPROX_NONE保留所有边界点，这样后续计算曲率更准确。

#include <opencv2/opencv.hpp>
#include <vector>
#include <algorithm>
#include <cmath>

using namespace cv;
using namespace std;

int main() {
    // 读取边界图像，转灰度
    Mat src = imread("boundary_image.png", IMREAD_GRAYSCALE);
    if (src.empty()) {
        cerr << "Failed to read image!" << endl;
        return -1;
    }

    // 转二值图（如果原图不是二值的话）
    Mat binary;
    threshold(src, binary, 127, 255, THRESH_BINARY);

    // 提取轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binary, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    // 取第一个轮廓（如果是多轮廓，可遍历所有contours处理）
    vector<Point> boundary = contours[0];
    int n = boundary.size();

2. 计算局部曲率 #

这里给你两种常用的计算方法，按需选择：

方法一：向量夹角法（简单高效，适合快速可视化） #

对于每个边界点，取它前后k个点（k=1时就是相邻点），计算相邻向量的夹角，曲率用π - 夹角表示——夹角越小，转弯越急，曲率越高；夹角接近π时，边界接近直线，曲率极低。

// 计算每个点的曲率（向量夹角法）
    vector<double> curvatures(n);
    int k = 1; // 邻域步长，可根据图像调整，k越大越平滑
    for (int i = 0; i < n; ++i) {
        // 处理循环边界（第一个点的前一个点是最后一个，反之亦然）
        int prev_idx = (i - k + n) % n;
        int next_idx = (i + k) % n;

        Point P_prev = boundary[prev_idx];
        Point P_curr = boundary[i];
        Point P_next = boundary[next_idx];

        // 计算向量
        Vec2d v1(P_curr.x - P_prev.x, P_curr.y - P_prev.y);
        Vec2d v2(P_next.x - P_curr.x, P_next.y - P_curr.y);

        // 避免除以0
        double len1 = norm(v1);
        double len2 = norm(v2);
        if (len1 < 1e-6 || len2 < 1e-6) {
            curvatures[i] = 0;
            continue;
        }

        // 计算向量夹角的余弦值
        double dot_product = v1[0] * v2[0] + v1[1] * v2[1];
        double cos_theta = dot_product / (len1 * len2);
        // 限制范围防止数值溢出
        cos_theta = max(min(cos_theta, 1.0), -1.0);
        double theta = acos(cos_theta);

        // 曲率值：π - θ，范围0~π，值越大曲率越高
        curvatures[i] = M_PI - theta;
    }

方法二：三点拟合圆法（更精准，适合需要定量曲率的场景） #

通过三个点拟合圆，曲率是圆半径的倒数，半径越小曲率越高，还能区分凹凸方向（保留正负）。

// 辅助函数：三点拟合圆计算曲率
    double fitCircleCurvature(Point p1, Point p2, Point p3) {
        double x1 = p1.x, y1 = p1.y;
        double x2 = p2.x, y2 = p2.y;
        double x3 = p3.x, y3 = p3.y;

        double A = x2 - x1;
        double B = y2 - y1;
        double C = x3 - x1;
        double D = y3 - y1;
        double E = A*(x1+x2) + B*(y1+y2);
        double F = C*(x1+x3) + D*(y1+y3);
        double G = 2*(A*(y3-y2) - B*(x3-x2));

        if (fabs(G) < 1e-6) return 0; // 三点共线，曲率为0

        double cx = (D*E - B*F)/G;
        double cy = (A*F - C*E)/G;
        double r = sqrt(pow(x1 - cx, 2) + pow(y1 - cy, 2));
        if (r < 1e-6) return 0;

        // 曲率值，保留正负可区分凹凸，取绝对值则只看大小
        return 1.0 / r;
    }

    // 计算曲率（圆拟合法）
    vector<double> curvatures(n);
    int k = 3; // 取前后3个点，平滑噪声
    for (int i = 0; i < n; ++i) {
        int prev_idx = (i - k + n) % n;
        int next_idx = (i + k) % n;
        curvatures[i] = fabs(fitCircleCurvature(boundary[prev_idx], boundary[i], boundary[next_idx]));
    }

3. 曲率归一化与颜色映射 #

把曲率值归一到0~1范围，然后映射到红-黄渐变：黄色对应低曲率（接近直线），红色对应高曲率（急转弯）。这里用BGR通道直接插值，直观易懂。

// 归一化曲率到0~1范围
    double max_curv = *max_element(curvatures.begin(), curvatures.end());
    double min_curv = *min_element(curvatures.begin(), curvatures.end());
    double range = max_curv - min_curv;
    if (range < 1e-6) range = 1; // 防止所有曲率相同导致除以0

    // 创建可视化图像，白色背景
    Mat curvature_vis = Mat::zeros(src.size(), CV_8UC3);
    curvature_vis.setTo(Scalar(255, 255, 255));

    // 遍历每个边界点，绘制对应颜色
    for (int i = 0; i < n; ++i) {
        double t = (curvatures[i] - min_curv) / range; // t=0→低曲率（黄），t=1→高曲率（红）
        uchar green = 255 * (1 - t);
        uchar red = 255;
        // OpenCV是BGR顺序，所以蓝色通道设为0
        Vec3b color(0, green, red);
        // 画实心圆，点更大更明显
        circle(curvature_vis, boundary[i], 2, color, -1);
    }

    // 显示结果
    imshow("Boundary Curvature Color Map", curvature_vis);
    imwrite("curvature_map.png", curvature_vis);
    waitKey(0);

    return 0;
}

4. 优化小技巧 #

• 去噪声：如果边界有毛刺，先对原图做高斯滤波（GaussianBlur）再提取轮廓，或者用approxPolyDP对轮廓做平滑（注意参数ε不要太大，避免丢失细节）。
• 邻域调整：k值越大，曲率结果越平滑，但会损失局部细节；k越小越敏感，噪声也越多，根据你的图像调整。
• 多轮廓处理：如果输入图像有多个边界，遍历contours数组，逐个计算曲率并绘制即可。

内容的提问来源于stack exchange，提问作者Saania