python - 如何在 Python 中插入二维曲线-6ren

python - 如何在 Python 中插入二维曲线

转载作者：太空宇宙更新时间：2023-11-04 06:58:53

我有一组 x 和 y 坐标，它是一条曲线/形状，我想要使曲线平滑/锐利并绘制图形。

我尝试了不同的插值来平滑曲线/形状，但它仍然不符合我的期望。使用点绘制平滑的曲线/形状。

像下面这样，用x,y点得到一个平滑的圆/曲线

但是，我得到了类似的东西

圆.jpg

曲线.jpg

正方形.jpg

我在样条插值和 rbf 插值方面也遇到了麻烦。

对于 cubic_spline_interpolation，我得到了

ValueError: Error on input data

对于 univariate_spline_interpolated，我得到了

ValueError: x must be strictly increasing

对于rbf，我得到了

numpy.linalg.linalg.LinAlgError: Matrix is singular.

我想修复它们并获得正确的锐度和曲线。非常感谢您的帮助。

编辑对于无法下载源代码和x,y坐标文件的，我贴出有问题的代码和x,y坐标。

以下是我的代码:

#!/usr/bin/env python3
from std_lib import *

import os
import numpy as np
import cv2

from scipy import interpolate
import matplotlib.pyplot as plt

CUR_DIR = os.getcwd()
CIRCLE_FILE = "circle.txt"
CURVE_FILE  = "curve.txt"
SQUARE_FILE = "square.txt"

#test
CIRCLE_NAME = "circle"
CURVE_NAME  = "curve"
SQUARE_NAME = "square"

SYS_TOKEN_CNT = 2   # x, y

total_pt_cnt = 0        # total no. of points      
x_arr = np.array([])    # x position set
y_arr = np.array([])    # y position set

def convert_coord_to_array(file_path):
    global total_pt_cnt
    global x_arr
    global y_arr

    if file_path == "":
        return FALSE

    with open(file_path) as f:
        content = f.readlines()

    content = [x.strip() for x in content] 

    total_pt_cnt = len(content)

    if (total_pt_cnt <= 0):
        return FALSE

    ##
    x_arr = np.empty((0, total_pt_cnt))
    y_arr = np.empty((0, total_pt_cnt))

    #compare the first and last x 
    # if ((content[0][0]) > (content[-1])):
        # is_reverse = TRUE

    for x in content:
        token_cnt = get_token_cnt(x, ',') 

        if (token_cnt != SYS_TOKEN_CNT):
            return FALSE

        for idx in range(token_cnt):
            token_string = get_token_string(x, ',', idx)
            token_string = token_string.strip()
            if (not token_string.isdigit()): 
                return FALSE

            # save x, y set
            if (idx == 0):
                x_arr = np.append(x_arr, int(token_string))
            else:
                y_arr = np.append(y_arr, int(token_string))

    return TRUE

def linear_interpolation(fig, axs):
    xnew = np.linspace(x_arr.min(), x_arr.max(), len(x_arr))
    f = interpolate.interp1d(xnew , y_arr)

    axs.plot(xnew, f(xnew))
    axs.set_title('linear')

def cubic_interpolation(fig, axs):
    xnew = np.linspace(x_arr.min(), x_arr.max(), len(x_arr))
    f = interpolate.interp1d(xnew , y_arr, kind='cubic')

    axs.plot(xnew, f(xnew))
    axs.set_title('cubic')

def cubic_spline_interpolation(fig, axs):
    xnew = np.linspace(x_arr.min(), x_arr.max(), len(x_arr))
    tck = interpolate.splrep(x_arr, y_arr, s=0) #always fail (ValueError: Error on input data)
    ynew = interpolate.splev(xnew, tck, der=0)

    axs.plot(xnew, ynew)
    axs.set_title('cubic spline')

def parametric_spline_interpolation(fig, axs):
    xnew = np.linspace(x_arr.min(), x_arr.max(), len(x_arr))
    tck, u = interpolate.splprep([x_arr, y_arr], s=0)
    out = interpolate.splev(xnew, tck)

    axs.plot(out[0], out[1])
    axs.set_title('parametric spline')

def univariate_spline_interpolated(fig, axs):   
    s = interpolate.InterpolatedUnivariateSpline(x_arr, y_arr)# ValueError: x must be strictly increasing
    xnew = np.linspace(x_arr.min(), x_arr.max(), len(x_arr))
    ynew = s(xnew)

    axs.plot(xnew, ynew)
    axs.set_title('univariate spline')

def rbf(fig, axs):
    xnew = np.linspace(x_arr.min(), x_arr.max(), len(x_arr))
    rbf = interpolate.Rbf(x_arr, y_arr) # numpy.linalg.linalg.LinAlgError: Matrix is singular.
    fi = rbf(xnew)

    axs.plot(xnew, fi)
    axs.set_title('rbf')

def interpolation():
    fig, axs = plt.subplots(nrows=4)
    axs[0].plot(x_arr, y_arr, 'r-')
    axs[0].set_title('org')

    cubic_interpolation(fig, axs[1])
    # cubic_spline_interpolation(fig, axs[2]) 
    parametric_spline_interpolation(fig, axs[2])
    # univariate_spline_interpolated(fig, axs[3])
    # rbf(fig, axs[3])        
    linear_interpolation(fig, axs[3])

    plt.show()

#------- main -------
if __name__ == "__main__":
    # np.seterr(divide='ignore', invalid='ignore')

    file_name = CUR_DIR + "/" + CIRCLE_FILE 
    convert_coord_to_array(file_name)  
    #file_name = CUR_DIR + "/" + CURVE_FILE 
    #convert_coord_to_array(file_name) 
    #file_name = CUR_DIR + "/" + SQUARE_FILE 
    #convert_coord_to_array(file_name) 
    #
    interpolation()

圆x，y坐标

已解决

def linear_interpolateion(self, x, y):

        points = np.array([x, y]).T  # a (nbre_points x nbre_dim) array

        # Linear length along the line:
        distance = np.cumsum( np.sqrt(np.sum( np.diff(points, axis=0)**2, axis=1 )) )
        distance = np.insert(distance, 0, 0)

        alpha = np.linspace(distance.min(), int(distance.max()), len(x))
        interpolator =  interpolate.interp1d(distance, points, kind='slinear', axis=0)
        interpolated_points = interpolator(alpha)

        out_x = interpolated_points.T[0]
        out_y = interpolated_points.T[1]

        return out_x, out_y

最佳答案

因为一般二维曲线需要插值，即 (x, y)=f(s) 其中 s 是坐标曲线，而不是 y = f(x)，必须首先计算沿线 s 的距离。然后，相对于s对每个坐标进行插值。 (例如，在圆的情况下 y = f(x) 有两个解决方案)

s(或此处代码中的 distance)计算为给定点之间每个线段长度的累积和。

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

# Define some points:
points = np.array([[0, 1, 8, 2, 2],
                   [1, 0, 6, 7, 2]]).T  # a (nbre_points x nbre_dim) array

# Linear length along the line:
distance = np.cumsum( np.sqrt(np.sum( np.diff(points, axis=0)**2, axis=1 )) )
distance = np.insert(distance, 0, 0)/distance[-1]

# Interpolation for different methods:
interpolations_methods = ['slinear', 'quadratic', 'cubic']
alpha = np.linspace(0, 1, 75)

interpolated_points = {}
for method in interpolations_methods:
    interpolator =  interp1d(distance, points, kind=method, axis=0)
    interpolated_points[method] = interpolator(alpha)

# Graph:
plt.figure(figsize=(7,7))
for method_name, curve in interpolated_points.items():
    plt.plot(*curve.T, '-', label=method_name);

plt.plot(*points.T, 'ok', label='original points');
plt.axis('equal'); plt.legend(); plt.xlabel('x'); plt.ylabel('y');

给出:

关于图表，您似乎正在寻找一种平滑方法而不是点的插值。这里是一种类似的方法，用于在给定曲线的每个坐标上分别拟合样条(请参阅 Scipy UnivariateSpline):

import numpy as np
import matplotlib.pyplot as plt

from scipy.interpolate import UnivariateSpline

# Define some points:
theta = np.linspace(-3, 2, 40)
points = np.vstack( (np.cos(theta), np.sin(theta)) ).T

# add some noise:
points = points + 0.05*np.random.randn(*points.shape)

# Linear length along the line:
distance = np.cumsum( np.sqrt(np.sum( np.diff(points, axis=0)**2, axis=1 )) )
distance = np.insert(distance, 0, 0)/distance[-1]

# Build a list of the spline function, one for each dimension:
splines = [UnivariateSpline(distance, coords, k=3, s=.2) for coords in points.T]

# Computed the spline for the asked distances:
alpha = np.linspace(0, 1, 75)
points_fitted = np.vstack( spl(alpha) for spl in splines ).T

# Graph:
plt.plot(*points.T, 'ok', label='original points');
plt.plot(*points_fitted.T, '-r', label='fitted spline k=3, s=.2');
plt.axis('equal'); plt.legend(); plt.xlabel('x'); plt.ylabel('y');

给出:

关于python - 如何在 Python 中插入二维曲线，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52014197/

文章推荐： javascript - 编辑没有类或 ID 的文本

文章推荐： java - 使用批处理程序编译Jar文件

文章推荐： html - 在跨度内右对齐数字的最简单方法。想不通

python - Python 中的集群或合并集群以减少组数 (Python)
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。我猜它只是通过 knn 聚类
python - python 列表的子集基于同一列表的元素组，pythonically
我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
python - 激活 Python 虚拟环境并在另一个 Python 脚本中调用 Python 脚本
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
python - 在焕然一新的 Python 环境中以编程方式从 Python 内部执行 Python 文件
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
python - 从 python 脚本但在 python 脚本之外运行 python 脚本
这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。问题到底是什么？我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第
python - 使用不同的 python 从 python 运行 python 脚本
我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。我试过用 #!python2.7.5 和http://re
python - 为什么从 Python 命令行调用 Python 时 Python 无法找到并运行我的脚本？
我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("
python - 使用动态版本的 Python 执行嵌入的 Python 代码时出现致命的 Python 错误
剧透:部分解决(见最后)。以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
python - python 中识别 python 数组或列表中最大累积差异的最快方法是什么？
假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
python - (Python) 通过单选按钮 python 更新背景
所以我试图在选择某个单选按钮时更改此框架的背景。我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
python - python 中的字符串与正则表达式比较在 python 中失败
我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name
python - python 如何加载Boost.Python 库？
考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
python - python 检查模块 python 的问题
如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l
python - 系统 python 与用户 python
我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除
python - [Python] : Python re. 长字符串行的搜索速度优化
我只想问如何加快 python 上的 re.search 速度。我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe
python - 编辑字符串 python 正则表达式 python
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
python - Python 映射中的副作用(Python "do" block )
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。告
python - 使用其值逻辑组合两个 python 列表 - Python
我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
python - Boost.Python python 链接错误
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
python - 在 Python 中仅使用内置库制作一个基本的网络抓取工具 - Python
学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来

太空宇宙

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

python - 如何在 Python 中插入二维曲线