Julia中获取2D圆形特征插值缺失点的方法求助

你有一组带缺失段（孔洞）的圆形2D特征数据，用PlotlyJS能可视化出流畅样条曲线，但无法提取插值点用于后续计算，以下是两种可行解决方案：

方法1：用Dierckx库实现可提取的样条插值 #

Dierckx是Julia中专业的样条插值库，支持生成可调用的插值函数，直接计算任意位置的插值点，完美替代Plotly的可视化样条。

步骤： #

1. 安装依赖库：

using Pkg
Pkg.add(["Dierckx", "PlotlyJS"])

2. 样条插值实现代码：

using Dierckx, PlotlyJS

someData = [
    3.47336 -0.471233;
    3.53109 0.335963;
    3.46748 1.10433;
    3.13369 1.87227;
    2.33268 2.51022;
    1.21804 3.07551;
    0.211065 3.3075;
    -0.768256 3.18599;
    -1.72856 2.87655;
    -2.55477 2.58726;
    -3.28657 1.99779;
    -3.63637 1.31502;
    -3.56652 -0.462201;
    -2.96175 -0.956073;
    -2.0519 -0.870708;
    -1.07193 -0.837913;
    -0.156219 -0.972855;
    0.594719 -1.4576;
    1.27607 -1.9387;
    2.08427 -2.17288;
    3.47336 -0.471233
]

# 提取x、y数据，去掉重复的最后一个点（避免插值重复）
x = someData[1:end-1, 1]
y = someData[1:end-1, 2]

# 创建闭合的B样条曲线（periodic=true确保首尾连续）
spline = Spline1D(1:length(x), [x y]; k=3, periodic=true)

# 生成更密集的插值点（比如100个点）
t_interp = range(1, length(x), length=100)
interp_points = evaluate(spline, t_interp)
x_interp = interp_points[:,1]
y_interp = interp_points[:,2]

# 可视化对比原始数据和插值结果
plot([
    scatter(x=x, y=y, mode="markers", name="原始数据", marker=attr(size=8, color="orange")),
    scatter(x=x_interp, y=y_interp, mode="lines", name="Dierckx样条插值", line=attr(color="green", width=2)),
    scatter(x=someData[:,1], y=someData[:,2], mode="lines", name="Plotly样条", line=attr(color="blue", width=2, dash="dash"))
], Layout(aspectmode="data", showlegend=true))

这段代码生成的x_interp和y_interp就是可直接使用的插值点，和Plotly的样条效果高度一致。

方法2：针对圆形特征的精准拟合补全 #

因为你的数据是圆形特征，直接拟合圆方程能得到更精准的补全结果，步骤如下：

步骤： #

1. 安装拟合库（以LsqFit为例）：

Pkg.add(["LsqFit", "PlotlyJS"])

2. 圆拟合与补全代码：

using LsqFit, PlotlyJS

someData = [
    3.47336 -0.471233;
    3.53109 0.335963;
    3.46748 1.10433;
    3.13369 1.87227;
    2.33268 2.51022;
    1.21804 3.07551;
    0.211065 3.3075;
    -0.768256 3.18599;
    -1.72856 2.87655;
    -2.55477 2.58726;
    -3.28657 1.99779;
    -3.63637 1.31502;
    -3.56652 -0.462201;
    -2.96175 -0.956073;
    -2.0519 -0.870708;
    -1.07193 -0.837913;
    -0.156219 -0.972855;
    0.594719 -1.4576;
    1.27607 -1.9387;
    2.08427 -2.17288;
    3.47336 -0.471233
]

x = someData[:,1]
y = someData[:,2]

# 定义圆的拟合模型：(x - a)^2 + (y - b)^2 = r^2，转换为线性拟合形式
model(p, x) = @. 2*x[:,1]*p[1] + 2*x[:,2]*p[2] + (p[1]^2 + p[2]^2 - p[3]^2) - (x[:,1]^2 + x[:,2]^2)
# 初始参数猜测：(圆心x, 圆心y, 半径)
p0 = [0.0, 0.0, 3.5]

# 拟合
fit_result = curve_fit(model, [x y], zeros(length(x)), p0)
a, b, r = fit_result.param

# 生成完整圆周点（100个点）
θ = range(0, 2π, length=100)
x_circle = @. a + r*cos(θ)
y_circle = @. b + r*sin(θ)

# 可视化对比
plot([
    scatter(x=x, y=y, mode="markers", name="原始数据", marker=attr(size=8, color="orange")),
    scatter(x=x_circle, y=y_circle, mode="lines", name="拟合完整圆", line=attr(color="green", width=2))
], Layout(aspectmode="data", showlegend=true))

这种方法直接生成完整的圆形点集，完全补全缺失段，适合圆形特征的场景。

内容的提问来源于stack exchange，提问作者Benvorth