Python:interpolate.UnivariateSpline软件包“dfitpack.error:(m＞k) failed for hidden m: fpcurf0:m=2

问题描述：尝试使用UnivariateSpline实现曲线调整，为了完成图像处理的曲线调整。遇到的问题如：dfitpack.error:(m>k) failed for hidden m: fpcurf0:m=2

原代码处理：

# 计算曲线插值
def _find_coefficients(curves):
    polynomials = []
    for curve in curves:
        xdata = [x[0] for x in curve]
        ydata = [x[1] for x in curve]
        xs = np.array(xdata)
        ys = np.array(ydata)
        p = interpolate.UnivariateSpline(xdata, ydata)
        polynomials.append(p)
    return polynomials

回溯：

---------------------------------------------------------------------------
error                                     Traceback (most recent call last)
<ipython-input-38-289216dd01e1> in <module>
      8 x=[0,128,255]
      9 y=[0,190,255]
---> 10 myLUT=spline_to_lookup_table(x,y)

<ipython-input-38-289216dd01e1> in spline_to_lookup_table(spline_breaks, break_values)
      1 def spline_to_lookup_table(spline_breaks: list, break_values: list):
----> 2     spl = UnivariateSpline(spline_breaks, break_values)
      4     return spl(range(256))

~/anaconda3/envs/computer-vision/lib/python3.8/site-packages/scipy/interpolate/fitpack2.py in __init__(self, x, y, w, bbox, k, s, ext, check_finite)
    200 
    201         # _data == x,y,w,xb,xe,k,s,n,t,c,fp,fpint,nrdata,ier
--> 202         data = dfitpack.fpcurf0(x, y, k, w=w, xb=bbox[0],
    203                                 xe=bbox[1], s=s)
    204         if data[-1] == 1:

error: (m>k) failed for hidden m: fpcurf0:m=3

主要错误：

    curves = [[(0, 0), (89, 67),(120, 87), (186, 255), (255, 255)], [(0, 0), (74, 56), (175, 206), (255, 255)], [(0, 0), (74, 54), (179, 206), (255, 255)],
              [(0, 0), (49, 79), (202, 181), (255, 255)], [(0, 0), (255, 255)]];

其实就是使用的lumo滤镜模板最后的  [(0, 0), (255, 255)]  元素只有两个，不能使用不能用三个点来拟合一条三次样条曲线（spline函数默认k值为3），甚至也不能只有三个点，通俗的说就是即使是一条三次抛物线也有四个参数。

实际上应该先了解一下scipy.interpolate.UnivariateSpline的用法和作用还有优点

下面为该函数的主要详细介绍：

用法:

class  scipy.interpolate.UnivariateSpline(x, y, w=None, bbox=[None, None], k=3, s=None, ext=0, check_finite=False)

一维平滑样条拟合到一组给定的数据点。

将 k 次的样条 y = spl(x) 拟合到提供的 x, y 数据。 s 通过指定平滑条件来指定节数。

参数：

x： (N,) 数组

独立输入数据的一维数组。必须增加；如果 s 为 0，则必须严格递增。

y： (N,) 数组

与 x 长度相同的相关输入数据的一维数组。

w： (N,) 数组, 可选

花键拟合的权重。必须是积极的。如果 w 为 None，则权重均相等。默认为无。

bbox： (2,) 类数组，可选

2-sequence 指定近似区间的边界。如果盒子是无，bbox=[x[0], x[-1]].默认为无。

k： 整数，可选

平滑样条的度数。必须是 1 <=k<= 5。k = 3是三次样条。默认值为 3。

s： 浮点数或无，可选

用于选择结数的正平滑因子。节点数将增加，直到满足平滑条件：

sum((w[i] * (y[i]-spl(x[i])))**2, axis=0) <= s

如果s是无，s = len(w)如果这应该是一个很好的值1/w[i]是标准差的估计值y[i].如果为 0，则样条将插入所有数据点。默认为无。

ext： int 或 str，可选

控制不在节点序列定义的区间内的元素的外推模式。

• 如果 ext=0 或 ‘extrapolate’，则返回外推值。

• 如果 ext=1 或 ‘zeros’，返回 0

• 如果 ext=2 或 ‘raise’，引发 ValueError

• 如果‘const’的ext=3，返回边界值。

默认值为 0。

check_finite： 布尔型，可选

是否检查输入数组是否仅包含有限数。禁用可能会提高性能，但如果输入确实包含无穷大或 NaN，则可能会导致问题(崩溃、非终止或无意义的结果)。默认为假。

注意：

数据点的数量必须大于样条度 k。

NaN handling：如果输入数组包含nan值，结果没有用，因为底层的样条拟合例程无法处理nan.一种解决方法是对not-a-number 数据点使用零权重：

>>> from scipy.interpolate import UnivariateSpline
>>> x, y = np.array([1, 2, 3, 4]), np.array([1, np.nan, 3, 4])
>>> w = np.isnan(y)
>>> y[w] = 0.
>>> spl = UnivariateSpline(x, y, w=~w)

请注意，需要用数值替换 nan(只要相应的权重为零，精确值无关紧要。)

参考博客：

Python scipy.interpolate.UnivariateSpline用法及代码示例 - 纯净天空 (vimsky.com)

Scipy UnivariateSpline错误：(m>k)隐藏m: fpcurf0:m=3失败 - 问答 - 腾讯云开发者社区-腾讯云 (tencent.com)