如何获取给定theta值下闭合样条插值的r（半径）值？

已通过以下代码生成闭合参数样条，现在需要根据给定的极角数组theta，计算样曲线上对应极角点的半径r值：

import numpy as np
from scipy import interpolate

# 闭合样条需经过的点集
x = np.array([4, 2, 0, -4, -7,-3,0,2])
y = np.array([0, 2, 3, 10, 0,-4,-3,-5])

# 追加起始坐标以实现闭合
x = np.r_[x, x[0]]
y = np.r_[y, y[0]]

# 将x=f(u)、y=g(u)拟合成周期性样条，s=0确保样条经过所有输入点
tck, u = interpolate.splprep([x, y], s=0, per=True)

theta=np.linspace(0,2*np.pi,101,endpoint=False)

已知可通过均匀u值计算样条坐标，但需要实现从theta到r的映射。

要实现这个需求，核心是建立样条曲线的极角与半径的映射关系，具体步骤如下：

1. 生成密集样条点并计算极坐标参数 #

先对样条进行密集采样，得到足够多的点的直角坐标，再转换为极坐标（极角、半径）：

# 生成极密集的参数u值，保证覆盖样条的所有细节
u_dense = np.linspace(0, 1, 10000, endpoint=False)
xi_dense, yi_dense = interpolate.splev(u_dense, tck)

# 计算每个点的极角，将范围从[-π, π]转换为[0, 2π]，与给定theta统一
theta_spline = np.arctan2(yi_dense, xi_dense)
theta_spline[theta_spline < 0] += 2 * np.pi

# 计算每个点的半径
r_spline = np.sqrt(xi_dense**2 + yi_dense**2)

2. 构建极角到半径的插值函数 #

利用密集采样得到的theta_spline和r_spline，构建周期性插值函数，直接对给定的theta数组求解对应的r值：

from scipy.interpolate import interp1d

# 创建周期性插值函数，确保0和2π处的取值连续
r_interp = interp1d(theta_spline, r_spline, kind='linear', period=2*np.pi)

# 计算给定theta对应的半径值
r_values = r_interp(theta)

注意事项 #

• 密集采样的点数可根据曲线复杂度调整，点数越多插值精度越高，但计算量也会增加；
• 如果样条曲线未覆盖全部极角范围（比如曲线在某些方向没有延伸），插值会自动根据周期性规则补全，若需处理这种情况，可提前过滤无效的极角区间；
• 若需要更高精度，可使用根查找方法（如scipy.optimize.root_scalar）对每个theta求解对应的参数u，再计算半径，但这种方法计算成本更高，适合对精度要求极高的场景。

内容的提问来源于stack exchange，提问作者Reason Niraula