我有一组点pts
形成一个循环,它看起来像这样:
这有点类似于31243002,但是我不想在点对之间放置点,而是想在点之间插入一条平滑的曲线(坐标在问题的末尾给出),所以我尝试了与Interpolation上的scipy
文档类似的内容:
values = pts
tck = interpolate.splrep(values[:,0], values[:,1], s=1)
xnew = np.arange(2,7,0.01)
ynew = interpolate.splev(xnew, tck, der=0)
但是我收到了这个错误:
ValueError:输入数据错误
有没有办法找到这样的合适?
要点的坐标:
pts = array([[ 6.55525 , 3.05472 ],
[ 6.17284 , 2.802609],
[ 5.53946 , 2.649209],
[ 4.93053 , 2.444444],
[ 4.32544 , 2.318749],
[ 3.90982 , 2.2875 ],
[ 3.51294 , 2.221875],
[ 3.09107 , 2.29375 ],
[ 2.64013 , 2.4375 ],
[ 2.275444, 2.653124],
[ 2.137945, 3.26562 ],
[ 2.15982 , 3.84375 ],
[ 2.20982 , 4.31562 ],
[ 2.334704, 4.87873 ],
[ 2.314264, 5.5047 ],
[ 2.311709, 5.9135 ],
[ 2.29638 , 6.42961 ],
[ 2.619374, 6.75021 ],
[ 3.32448 , 6.66353 ],
[ 3.31582 , 5.68866 ],
[ 3.35159 , 5.17255 ],
[ 3.48482 , 4.73125 ],
[ 3.70669 , 4.51875 ],
[ 4.23639 , 4.58968 ],
[ 4.39592 , 4.94615 ],
[ 4.33527 , 5.33862 ],
[ 3.95968 , 5.61967 ],
[ 3.56366 , 5.73976 ],
[ 3.78818 , 6.55292 ],
[ 4.27712 , 6.8283 ],
[ 4.89532 , 6.78615 ],
[ 5.35334 , 6.72433 ],
[ 5.71583 , 6.54449 ],
[ 6.13452 , 6.46019 ],
[ 6.54478 , 6.26068 ],
[ 6.7873 , 5.74615 ],
[ 6.64086 , 5.25269 ],
[ 6.45649 , 4.86206 ],
[ 6.41586 , 4.46519 ],
[ 5.44711 , 4.26519 ],
[ 5.04087 , 4.10581 ],
[ 4.70013 , 3.67405 ],
[ 4.83482 , 3.4375 ],
[ 5.34086 , 3.43394 ],
[ 5.76392 , 3.55156 ],
[ 6.37056 , 3.8778 ],
[ 6.53116 , 3.47228 ]])
答案 0 :(得分:26)
实际上,你离问题的解决方案并不遥远。
使用scipy.interpolate.splprep
进行参数化B样条插值将是最简单的方法。如果您提供per=1
参数,
import numpy as np
from scipy.interpolate import splprep, splev
import matplotlib.pyplot as plt
# define pts from the question
tck, u = splprep(pts.T, u=None, s=0.0, per=1)
u_new = np.linspace(u.min(), u.max(), 1000)
x_new, y_new = splev(u_new, tck, der=0)
plt.plot(pts[:,0], pts[:,1], 'ro')
plt.plot(x_new, y_new, 'b--')
plt.show()
从根本上说,这种方法与@Joe Kington的答案没有太大区别。虽然,它可能会更加健壮,因为默认情况下,基于点之间的距离而不仅仅是它们的索引,选择i
向量的等价物(splprep
documentation表示{Fiddle 1}}参数)。
答案 1 :(得分:21)
您的问题是因为您尝试直接使用x和y。您调用的插值函数假定x值按排序顺序,并且每个x
值将具有唯一的y值。
相反,您需要创建一个参数化坐标系(例如顶点的索引)并使用它分别插入x和y。
首先,请考虑以下事项:
import numpy as np
from scipy.interpolate import interp1d # Different interface to the same function
import matplotlib.pyplot as plt
#pts = np.array([...]) # Your points
x, y = pts.T
i = np.arange(len(pts))
# 5x the original number of points
interp_i = np.linspace(0, i.max(), 5 * i.max())
xi = interp1d(i, x, kind='cubic')(interp_i)
yi = interp1d(i, y, kind='cubic')(interp_i)
fig, ax = plt.subplots()
ax.plot(xi, yi)
ax.plot(x, y, 'ko')
plt.show()
我没有关闭多边形。如果您愿意,可以将第一个点添加到数组的末尾(例如pts = np.vstack([pts, pts[0]])
如果你这样做,你会注意到多边形关闭的不连续性。
这是因为我们的参数化没有考虑关闭polgyon。快速解决方法是使用"反射"来填充阵列。分:
import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt
#pts = np.array([...]) # Your points
pad = 3
pts = np.pad(pts, [(pad,pad), (0,0)], mode='wrap')
x, y = pts.T
i = np.arange(0, len(pts))
interp_i = np.linspace(pad, i.max() - pad + 1, 5 * (i.size - 2*pad))
xi = interp1d(i, x, kind='cubic')(interp_i)
yi = interp1d(i, y, kind='cubic')(interp_i)
fig, ax = plt.subplots()
ax.plot(xi, yi)
ax.plot(x, y, 'ko')
plt.show()
或者,您可以使用专门的曲线平滑算法,例如PEAK或切角算法。
答案 2 :(得分:9)
使用ROOT Framework和pyroot接口,我能够生成以下图像
使用以下代码(我将您的数据转换为名为data.csv的CSV,因此将其读入ROOT会更容易,并给出了xp,yp的列标题)
from ROOT import TTree, TGraph, TCanvas, TH2F
c1 = TCanvas( 'c1', 'Drawing Example', 200, 10, 700, 500 )
t=TTree('TP','Data Points')
t.ReadFile('./data.csv')
t.SetMarkerStyle(8)
t.Draw("yp:xp","","ACP")
c1.Print('pydraw.png')
答案 3 :(得分:5)
要通过N个点拟合平滑的闭合曲线,您可以使用具有以下约束的线段:
为了能够在每个线段的总共4个条件中具有足够的自由度,每个线段的等式应该是y = ax ^ 3 + bx ^ 2 + cx + d。 (因此导数是y'= 3ax ^ 2 + 2bx + c)
如上所述设置条件将为N * 4个未知数(a1..aN,b1..bN,c1..cN,d1..dN)提供N * 4个线性方程,可通过矩阵求逆(numpy)求解。
如果点位于同一垂直线上,则需要特殊(但简单)处理,因为导数将是“无限”。