Introduction to B-Spline Curve

最新推荐文章于 2024-09-29 12:07:05 发布

张赐

最新推荐文章于 2024-09-29 12:07:05 发布

阅读量5.4k

点赞数

分类专栏：曲线曲面文章标签： vector 图形

本文链接：https://blog.csdn.net/zhangci226/article/details/4063316

版权

曲线曲面专栏收录该内容

6 篇文章 1 订阅

订阅专栏

Introduction to B-Spline Curve

BSpline基函数

BSpline基函数是由下面的公式定义的:

$/begin{cases} N_{i}^{0}(u) = /begin{cases} 1& / u_{i} /leq u /leq u_{i+1} // 0& / otherwise /end{cases}// // N_{i}^{p}(u)= /frac{u-u_{i}}{u_{i+p}-u_{i}}N_{i}^{p-1}(u) + /frac{u_{i+p+1}-u}{u_{i+p+1}-u_{i+1}}N_{i+1}^{p-1}(u) & / /end{cases}$

其中 $u_{i}$ 称为knot，一条BSpline曲线的所有kont组成了一个数组 $U=/left /{ u_{1},u_{2},u_{3},...,u_{m} /right /} &/ u_{i} /leq u_{i+1}$ ，这个数组U称为knot vector。这个公式看起来很复杂，但是慢慢分析这个公式，就可很容易的记忆它。下面，我们来分析一下这个公式。

来看看零次第i项BSpline基函数的图形，很简单，它就是一条在 $u_{i} /leq u /leq u_{i+1}$ 区间内的直线段。

bspline01

因为p=0，i=0的时候，通过公式 $N_{i}^{0} = /begin{cases} 1 & / u_{i} /leq u /leq u_{i+1} // 0& / otherwise /end{cases}$ ，在u[0]和u[1]之间就是一条直线，上图中用蓝色表示出来了。注意u[1]的值不等于1。再来看看一次第i项BSpline基函数的图形。

bspline02

上图中，蓝色直线段分别是零次第1项BSpline基函数和零次第二项BSpline基函数，绿色的是1次第1项BSpline基函数。可以看出1次曲线是0次曲线通过线性组合得到的。因为根据公式

$N_{i}^{p}(u) = /frac{ u-u_{i} }{ u_{i+p}-u_{i} } N_{i}^{p-1}(u)+/frac{ u_{i+p+1}-u }{ u_{i+p+1}-u_{i+1} } N_{i+1}^{p-1}(u)$

我们得到

$basis$

现在把上面的等式替换为

$basis$

其中 $/alpha = /frac{u-u_{0}}{u_{1}-u_{0}}, /beta = /frac{u_{2}-u}{u_{2}-u_{1}}$ ，当u确定的时候， $/alpha ,/beta$ 都是常数。在u[0]和u[1]之间， $/alpha$ 表示u点在区间u[0]和u[1]上的比例。在u[1]和u[2]之间， $/beta$ 表示u点在区间u[1]和u[2]上的比例。如果把 $/frac{u-u_{0}}{u_{1}-u_{0}}$ 看成一条直线，u在这里是变量，那么直线 $y=/frac{u-u_{0}}{u_{1}-u_{0}}$ 和上图中u[1]和u[2]间的蓝色直线段合成为左半绿色的直线段。同理，就和上图中u[1]和u[2]间的蓝色直线段和成为右半绿色的直线段。下面来看看更高次的情况。下图是二次第1项BSpline基函数的图形。

bspline03

同样地，上图中红色的二次曲线就是由二条绿色一次曲线合成的。如果展开公式，我们可以得到

$// N^{2}_{0}(u)= /frac{u-u_{0}}{u_{2}-u_{0}}N^{1}_{0}(u)+ /frac{u_{2}-u}{u_{2}-u_{1}}N^{1}_{1}(u) // // N^{1}_{0}(u)= /frac{u-u_{0}}{u_{1}-u_{0}}N^{0}_{0}(u)+ /frac{u_{2}-u}{u_{2}-u_{1}}N^{0}_{1}(u) // // N^{1}_{1}(u)= /frac{u-u_{1}}{u_{2}-u_{1}}N^{0}_{0}(u)+ /frac{u_{3}-u}{u_{3}-u_{2}}N^{0}_{1}(u)$

下面来看一个例子，令U={0,1,2,3,4,5}，写出所有2次BSpline基函数。

同理可以计算 $N^{2}_{0},N^{2}_{1},N^{2}_{2}$ ，通过计算，最后就得到了在 U={0,1,2,3,4,5}上所有2次BSpline基函数，如下图。

bspline04

现在给出BSpline基函数的性质。

1. $N^{i}_{0}(u)$ 是阶梯函数。

2. 当P>0， $N^{p}_{i}(u)$ 是P-1次BSpline函数的线性组合。

3. 计算基函数时，必须知道knot vector U和次数P。

4. $N^{p}_{i}(u)$ 是分段多项式。

5. 半开区间 $[u_{i},u_{i+1})$ 的长度可以是0，这时 $u_{i}=u_{i+1}$ 。

6. 如果U={0，…，0，1，…，1}，这里有p+1个0，和p+1个1，p是曲线次数，那么 $/left /{ N^{p}_{0}(u),N^{p}_{1}(u),...,N^{p}_{p}(u) /right /}$ 表示p次Berstein基函数。这个性质说明Bezier曲线是BSpline曲线的特殊情况，并且Bezier和BSpline曲线可以相互转换。

$N^{p}_{i}(u)/neq 0, u_{i} /leq u <u_{i+1}$ 。

$u /in [u_{i}, u_{i+1}), /sum_{i}^{k=i-p}N^{p}_{k}=1$ 。

9. 在knot， $N^{p}_{i}(u)$ 有着p-k次连续性，这里k是knot重复的次数。

BSpline曲线

有了前面BSpline基函数的定义，现在就可以定义BSpline了。BSpline的定义和Bezier曲线的定义很相似。

$C(u)=/sum_{n}^{i=0}P_{i}N^{p}_{i}(u)$

这里是控制点， $N^{p}_{i}(u)$ 是上一节定义的基函数。要注意的是，p次BSpline曲线的knot区间是0到m，

这里m=p+n+1， n是最后一个控制点索引号，即 $U= /left /{ u_{0},u_{1},...,u_{m} /right /}$ 。比如下面3次BSpline曲线，它有6个控制点，m=9。

bspline05

图中绿色的点就是控制点。对于Bezier曲线来说，它的控制点决定了曲线的次数，当控制点增多时，曲线的次数也会增加。比如一个有10个控制点的Bezier曲线，它的次数达到了9次，这在计算上很耗时间。次数越高，曲线摆动也就越厉害，也就越难控制。所以一般都用细分Bezier曲线的方式，将一个高次的Bezier曲线分成几段相连接的低次Bezier曲线，但是要注意连接点的连续性，至少要到达 $C^{2}$ 连续才行。而BSpline曲线的好处就是低次曲线也可以有很多控制点，在连接点处本身就到达了 $C^{2}$ 连续。

上面的BSpline曲线中，2个端点并在控制点上，这点看起来和Bezier曲线有很多差别。但是，如果我们把knot作下调整，就可以让曲线的端点和控制点重合，这就是终点差值。如果一条BSpline曲线的次数是p， $U=/left /{ 0,0,...,0,...,1,1,...,1 /right /}$ ，前面有p+1个0，后面有p+1个1，那么就可以让曲线端点和2个端点控制点重合。