点集曲率计算异常求助：抛物线曲率结果不符合预期

我来帮你排查下这个曲率计算的问题～先还原下你的操作流程，再分析问题出在哪：

数据加载与初始轮廓 #

你用到的初始数据加载代码：

import matplotlib.pylab as plt 
import numpy as np 
#初始数据 
data=np.loadtxt('profile_nonoisebigd02.txt') 
x=data[:,0] 
y=data[:,1]

对应的初始轮廓图：

你的曲率计算代码 #

你用来计算曲率的代码如下：

#一阶导数 
dx= np.gradient(data[:,0]) 
dy = np.gradient(data[:,1]) 
#二阶导数 
d2x = np.gradient(dx) 
d2y = np.gradient(dy) 
#通过标准公式计算曲率 
curvature = np.abs(dx * d2y - d2x * dy) / (dx * dx + dy * dy)**1.5

得到的曲率图：

问题根源与修正方案 #

首先明确：抛物线作为二次曲线，它的曲率应该是随x变化但有固定规律的平滑曲线，但你的曲率图看起来明显不符合预期，问题出在导数计算的逻辑上：

核心问题 #

你对自变量x也用了np.gradient求导，但如果你的数据是按x均匀采样的，dx其实是固定的采样间隔（比如x[1]-x[0]），根本不需要用梯度计算。用np.gradient算dx会引入不必要的数值误差，尤其是当x本身是严格递增的均匀序列时，dx的梯度d2x会非常小但不为零，这就打乱了曲率公式的准确性。

修正后的代码 #

针对均匀采样的x，我们可以直接用采样间隔来计算y对x的导数，这样更贴合抛物线的理论曲率公式：

import matplotlib.pylab as plt 
import numpy as np 

# 加载数据
data = np.loadtxt('profile_nonoisebigd02.txt') 
x = data[:,0] 
y = data[:,1]

# 计算x的均匀采样间隔
dx = x[1] - x[0]

# 计算y对x的一阶导数和二阶导数
dy_dx = np.gradient(y, dx)  # 直接指定间隔，得到dy/dx
d2y_dx2 = np.gradient(dy_dx, dx)  # 得到d²y/dx²

# 用理论曲率公式计算
curvature = np.abs(d2y_dx2) / (1 + dy_dx**2)**1.5

额外验证方案 #

你还可以通过拟合抛物线参数来验证结果：先拟合出抛物线的系数，再用理论公式计算曲率，和数值计算的结果对比：

# 拟合抛物线 y = ax² + bx + c
coeffs = np.polyfit(x, y, 2)
a, b, c = coeffs

# 计算理论曲率
theoretical_curvature = np.abs(2*a) / (1 + (2*a*x + b)**2)**1.5

如果修正后的数值计算曲率和理论曲率几乎重合，就说明问题解决啦。

内容的提问来源于stack exchange，提问作者newstudent