B样条曲线

最新推荐文章于 2024-05-01 19:10:57 发布

Ming Xu

最新推荐文章于 2024-05-01 19:10:57 发布

阅读量918

点赞数 18

分类专栏：图像图形处理文章标签：算法

本文链接：https://blog.csdn.net/weixin_43862398/article/details/135373802

版权

图像图形处理专栏收录该内容

37 篇文章 2 订阅

订阅专栏

零次 B 样条

$\bm{F}_{i，0}(t) = \begin{cases} 1 & t_i \leq t <t_{i+1} \\ 0 & others \end{cases}$
在这里插入图片描述
2. 一次 B 样条，
$\bm{F}_{i, 1}(t) = \frac{t - t_i}{t_{i+1} - t_i} \bm{F}_{i, 0}(t) + \frac{t_{i+2} - t}{t_{i+2} - t_{i+1}} \bm{F}_{i+1, 0}(t)$

通过

$\bm{F}_{i,0}(t) = \begin{cases} 1 & t_i \leq t< t_{i+1} \\ 0 & others \end{cases} \qquad \bm{F}_{i+1, 0}(t) = \begin{cases} 1 & t_{i+1} \leq t <t_{i+2} \\ 0 & others \end{cases}$

可以得到

$\bm{F}_{i, 1}(t) = \begin{cases} \frac{t - t_i}{t_{i+1} - t_i} & t-i \leq t < t_{i=1}\\ \\ \frac{t_{i+2} - t}{t_{i+2} - t_{i+1}} & t_{i+1} \leq t <t_{i+2} \\ \\ 0 & others \end{cases}$
在这里插入图片描述
3. 二次 B 样条

$\bm{F}_{i, 2}(t) = \frac{t - t_i}{t_{i+2} - t_i} \bm{F}_{i, 1}(t) + \frac{t_{i+3} - t}{t_{i+3} - t_{i+1}} \bm{F}_{i+1, 1}(t)$

由 $\bm{F}_{i, 1}(t) = \begin{cases} \frac{t - t_i}{t_{i+1} - t_i} & t_i \leq t < t_{i+1}\\ \\ \frac{t_{i+2} - t}{t_{i+2} - t_{i+1}} & t_{i+1} \leq t <t_{i+2} \\ \\ 0 & others \end{cases} \qquad \bm{F}_{i+1, 1}(t) = \begin{cases} \frac{t - t_{i+1}}{t_{i+2} - t_{i+1}} & t_{i+1} \leq t < t_{i+2}\\ \\ \frac{t_{i+3} - t}{t_{i+3} - t_{i+2}} & t_{i+2} \leq t <t_{i+3} \\ \\ 0 & others \end{cases}$

得到

$\bm{F}_{i, 1}(t) = \begin{cases} \frac{t - t_i}{t_{i+2} - t_i} \frac{t-t_i}{t_{i+1}-t_i} & t_i \leq t < t_{i+1} \\ \\ \frac{t - t_i}{t_{i+2} - t_i} \frac{t_{i+2}-t}{t_{i+2}-t_{i+1}} + \frac{t_{i+3} - t_{i+1}}{t_{i+3} - t_{i+1}} \frac{t-t_{i+1}}{t_{i+2}-t_{i+1}} & t_{i+1} \leq t < t_{i+2} & \\ \\ \frac{(t_{i=3} - t)^2}{(t_{i=3} - t_{i+1})(t_{i+3} - t_{i+2})}& t_{i+2} \leq t < t_{i+3} & \\ \\ 0 & others \end{cases}$

在这里插入图片描述
根据参数 $t$ 的值和次数 $k$ 与节点矢量双精度数组 $K n o t$ 计算第 $i$ 个 $k$ 次的 B 样条基函数的 $F_{i, k}(t)$

分析

$F_{i, k}(t) = \frac{t -t_i}{t_{i+k} - t_i} F_{i, k-1}(t) + \frac{t_{i+k+1} - t }{t_{i+k+1} - t_{i+1}} F_{i+1, k-1}(t)$

$numberator_1 = t - t_i \\ numberator_2 = t_{i+k+1} - t \\ denominator_1 = t_{i+k} - t_i \\ denominator_2 = t_{i+k+1} - t_{i+1} \\ cofficient_1 = \frac{numberator_1 }{denominator_1 }\\ cofficient_1 = \frac{numberator_2 }{denominator_2 }\\ value_1 = cofficient_1 \times F_{i, k-1}(t)\\ value_2 = cofficient_2 \times F_{i+1, k-1}(t)$

在这里插入图片描述


double BasisFunctionValue(double t, int i, int k)
{
	double val1, val2, val;
	if (k == 0)
	{
		if ((t >= knot[i]) && t < knot[i + 1])
		{
			return 1.0;
		}
		else
		{	// 其它
			return 0.0;
		}
	}
	if (k > 0) {
		if (t < knot[i] || t > knot[i + k + 1]) {
			return 0.0;		// 其它
		}
		else
		{
			double coffcient1, coffcient2;	// 凸组合系数1 凸组合系数 2
			double denominator = 0.0;		// 分母
			denominator = knot[i + k] - knot[i];	
			if (denominator == 0.0)
			{
				// 约定 0/0 = 0
				coffcient1 = 0.0;
			}
			else
			{
				coffcient1 = (t - knot[i]) / denominator;	// 计算的第一项
			}
			denominator = knot[i + k + 1] - knot[i + 1];	// 递推公式第二项分母
			if (denominator == 0.0)
			{
				// 约定 0/0 = 0
				coffcient2 = 0.0;
			}
			else
			{
				coffcient2 = (knot[i + k + 1] - t) / denominator;	// 递推公式第二项
			}
			val1 = coffcient1 * BasisFunctionValue(t, i, k - 1);	// 递推公式第一项的只
			val2 = coffcient2 * BasisFunctionValue(t, i+1, k - 1);	// 递推公式第二项的只
			val = val1 + val2;	// 基函数的值
		}
	}

	return val;
}