Python中交互式B样条拟合及三次样条拟合函数实现

我来给你详细拆解一下这个三次样条拟合函数的使用方法，还有输入点的格式要求，帮你快速上手：

输入点P的格式规范 #

• P得是一个列表，里面每个元素都是表示坐标的二元组（tuple），比如 [(x1,y1), (x2,y2), ..., (xn,yn)] 这种形式
• 坐标值不管是整数还是浮点数都可以，只要能被NumPy正常处理就行
• 注意哦，这个函数默认会把曲线做成闭合的——它会把P的第一个点拼到末尾，所以如果你不需要闭合曲线，记得删掉代码里的pts = np.vstack([P, P[0]])这一行

函数plotCurve()的使用步骤 #

1. 先导入依赖库：这个函数依赖NumPy、SciPy的interp1d和Matplotlib，所以使用前必须先导入这些库：

   import numpy as np
   from scipy.interpolate import interp1d
   import matplotlib.pyplot as plt
   

2. 准备你的输入点P：按照上面的格式把需要拟合的坐标点整理好
3. 调用函数并查看结果：直接把P传进去就行，函数会返回拟合后曲线上的x、y坐标数组，同时会自动绘制原始点和拟合曲线

   # 举个实际的输入例子
   P = [(921,1181),(951,1230),(993,1243),(1035,1220),(1070,1175)]
   # 调用拟合函数
   xi, yi = plotCurve(P)
   # 如果看不到图像，要么取消函数里的plt.show()注释，要么在这里手动调用plt.show()
   plt.show()
   

额外说明：函数的工作逻辑 #

这个函数其实是对x、y坐标分别做了三次样条插值，具体流程是：

• 把输入点首尾拼接，形成闭合路径（如果不需要闭合就去掉这一步）
• 给每个原始点分配一个索引值作为插值的自变量
• 用interp1d生成高密度的拟合点（默认是原始点数的100000倍，保证曲线足够平滑）
• 最后绘制出平滑曲线和原始的控制点

内容的提问来源于stack exchange，提问作者snelzb