在计算机视觉和计算机图形学中，曲率是一个非常重要的概念。曲率可以看作是曲线或曲面的弯曲程度，反映了曲线或曲面的几何特征。求曲率在很多计算机图形学和机器人领域有着广泛的应用，本文将介绍使用Python求离散曲率的方法。

import numpy as np

def discrete_curvature(points):
    # 求取相邻两点之间的向量
    v1 = np.diff(points, axis=0)
    v2 = np.roll(v1, -1, axis=0)
    # 求取相邻两点之间的距离
    d = np.sqrt(np.sum(v1 ** 2, axis=1))
    # 计算两向量之间的夹角
    angle = np.arccos(np.sum(v1 * v2, axis=1) / (np.linalg.norm(v1, axis=1) * np.linalg.norm(v2, axis=1)))
    # 计算每个点的曲率
    curvature = 2 * np.sin(angle) / d
    return curvature.tolist()

在上述代码中，我们通过np.diff函数求取相邻点之间的向量，通过np.roll函数将向量循环一次以完成求取相邻点之间的夹角。最后根据曲率计算公式，在每个点处求取离散曲率，并以列表形式返回。

得到离散曲率值之后，可以将其视为离散的点集，使用不同的数据可视化工具将其绘制成曲线图或散点图等形式，反映出曲线的几何特征。离散曲率可以被广泛地应用于机器人运动控制、计算机视觉的特征提取等领域，对于对曲线或曲面特征分析有需求的读者具有一定的参考意义。