简明矩阵形式的薄板样条公式

薄板样条理解

一个与指定离散点尽可能近且尽可能平坦的光滑曲面，是拟合问题的良好形式。这主要是因为：

1. 与指定离散点尽可能近，则更接近离散点附近的真实
2. 尽可能平坦的光滑曲面，光滑代表微观局部没有奇怪的，平坦则意味着没有大的变化。这样能够将离散点附近的真实以不奇怪的方式、尽量少变化的方式再扩散大一点，进而获取更大范围的真实。
3. 上述要求用数学描述为：
   $\min ={\sum }_i\Vert p_t-p_i\Vert +\lambda \cdot {\int }_R{\int }_R{\left(\frac{{\partial }^2}{\partial r^2}p\right)}^2\partial r\partial r$
   其中$p$代表着曲面上任意一点，$p_i$代表着给定的第$i$个离散点，将$p_i$带入曲面求解的点为$p_t$
4. 上述曲面就是薄板样条(TPS)
   

薄板样条公式

1. 点的表达
   $p_i={\left[x_i{y}_{i}1\right]}^T$

2. 点距的表达
   $r_{\mathrm{ij}}=\Vert p_i-p_j\Vert$

3. 径向基函数的表达
   $b\left(r\right)=r^2\ln \left(r\right)$

4. 样条函数的表达
   $f\left(p_t\right)=\left[\begin{array}{cc}{b}_{n\times 1}^T& p_t^T\end{array}\right]\left[\begin{array}{c}{w}_{n\times 1}\\ a_{3\times 1}\end{array}\right]$

   其中$p_t$是未知量，$f(p_t)$是样条函数值，$b_{n\times 1}$是n个径向基函数，有：
   $b_{n\times 1}=\left[\begin{array}{c}b\left(r_{1t}\right)\\ b\left(r_{\mathrm{it}}\right)\\ b\left(r_{\mathrm{nt}}\right)\end{array}\right]$

   其余为参数项，有：
   $w_{n\times 1}=\left[\begin{array}{c}{w}_1\\ w_i\\ w_n\end{array}\right]$，$a_{3\times 1}=\left[\begin{array}{c}{a}_1\\ a_2\\ a_3\end{array}\right]$
   为什么是$a_{3\times 1}$? 答：离散点的齐次形式是$3\times 1$的矩阵，则是$3\times 1$，对应二维薄板样条。三维空间的薄板样条则是$a_{4\times 1}$，同时点表达为$p_i={\left[x_i{y}_i{z}_{i}1\right]}^T$

5. 样条参数的求解
   解下列方程，可求出样条的参数项
   $\left[\begin{array}{cc}{B}_{n\times n}+\lambda \cdot 8\pi \cdot I_{n\times n}& P_{n\times n}\\ {P_{n\times n}}^T& 0_{3\times 3}\end{array}\right]\left[\begin{array}{c}{w}_{n\times 1}\\ a_{3\times 1}\end{array}\right]=\left[\begin{array}{c}{f}_{n\times 1}^{\prime }\\ 0_{3\times 1}\end{array}\right]$

   其中$f_{n\times 1}^{\prime }$是在离散点处给出的n个期望函数值，有：
   $f_{n\times 1}^{\prime }=\left[\begin{array}{c}{f}_1^{\prime }\\ f_i^{\prime }\\ f_n^{\prime }\end{array}\right]$
   其余为根据离散点数据要计算的构造项，有：
   $B_{n\times n}=\left[\begin{array}{ccc}b\left(r_{11}\right)& b\left(r_{1j}\right)& b\left(r_{1n}\right)\\ b\left(r_{i1}\right)& ...& ...\\ b\left(r_{n1}\right)& ...& b\left(r_{\mathrm{nn}}\right)\end{array}\right]$

   $P_{n\times n}=\left[\begin{array}{ccc}{x}_1& y_1& 1\\ x_i& y_i& 1\\ x_n& y_n& 1\end{array}\right]$