Python 使用scipy.interpolate.splrep沿样条曲线插值点

我正在做的是在图像中沿车道插值点的工作。包含带注释点的示例图像（图像不是来自实际数据集，点之间的间距也不是实际的）

我正在尝试使用scipy，下面是我正在采取的步骤

 import numpy as np
 from scipy.interpolate import splrep, splev 

 #### example coordinates of annotated pts
 x = ([138.614, 161.404, 184.507, 207.297, 230.4, 407.726]) 
 y = ([231.230, 209.741, 188.058, 166.531, 144.739, 249.985])

 #### interpolation function
 interpl_fun = splrep(x, y, k=3)  ### k=4
 query_y = np.linspace(y.min(), y.max(), 20)  #### y for which x coordinates should be interpolated
 #### obtaining interpolated x coordinates
 interpolated_x = splev(query_y, interp_fun)

我目前的意见是：

当我绘制（插值的_x和查询的_y）的像素标记时，生成的坐标不起作用 不在输入（x和y）坐标标记之间

我的问题是：

有人能告诉我我做错了什么吗

如何从中定义节点参数，以便 插值样条曲线通过最大输入点

我看到的大多数相关线程都使用插值函数来 计算y=f（x），其中x是已知的，y是要插值的，并且 我用插值函数来计算x=f（y）。这是吗 有什么问题吗

---

我希望我理解你的问题。
1和3：使用（y'，x'）点插值（x，y）数据。正如您在第三个子问题中所建议的那样，这将不起作用。 2：如果是您想要的，请参见示例代码：

# imports
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import splrep, splev 

#### example coordinates of annotated pts
x = np.array([138.614, 161.404, 184.507, 207.297, 230.4, 407.726]) 
y = np.array([231.230, 209.741, 188.058, 166.531, 144.739, 249.985])

# we need to sort x and y together to obtain monotonically increasing y
# linked sorting
yinds = y.argsort()
y = y[yinds]
x = x[yinds]
# now we have y(x)

#### interpolation function
# note that it is (y,x), not (x,y)
interpl_fun = splrep(y, x, k=4)  ### k=4
query_y = np.linspace(y.min(), y.max(), 20)  #### y for which x coordinates should be interpolated
#### obtaining interpolated x coordinates
# again, it is (y',x'), the same as in interpl_fun
interpolated_x = splev(query_y, interpl_fun)
# uncomment the next two lines if you want to see intermediate result
# plt.figure(figsize=(10,10))
# plt.plot(y,x,'rx',query_y,interpolated_x,'b-')

# now we need to get to (x,y) back
# one can either sort again or just make a copy earlier
xinds = x.argsort()
y = y[xinds]
x = x[xinds]
plt.figure(figsize=(10,10))
plt.plot(x,y,'rx',interpolated_x,query_y,'b-')

最后一个情节看起来像

其中，红色十字明显是初始点，蓝色曲线是插值数据

---

链接排序取自。

我希望我理解您的问题。
1和3：使用（y'，x'）点插值（x，y）数据。正如您在第三个子问题中所建议的那样，这将不起作用。 2：如果是您想要的，请参见示例代码：

# imports
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import splrep, splev 

#### example coordinates of annotated pts
x = np.array([138.614, 161.404, 184.507, 207.297, 230.4, 407.726]) 
y = np.array([231.230, 209.741, 188.058, 166.531, 144.739, 249.985])

# we need to sort x and y together to obtain monotonically increasing y
# linked sorting
yinds = y.argsort()
y = y[yinds]
x = x[yinds]
# now we have y(x)

#### interpolation function
# note that it is (y,x), not (x,y)
interpl_fun = splrep(y, x, k=4)  ### k=4
query_y = np.linspace(y.min(), y.max(), 20)  #### y for which x coordinates should be interpolated
#### obtaining interpolated x coordinates
# again, it is (y',x'), the same as in interpl_fun
interpolated_x = splev(query_y, interpl_fun)
# uncomment the next two lines if you want to see intermediate result
# plt.figure(figsize=(10,10))
# plt.plot(y,x,'rx',query_y,interpolated_x,'b-')

# now we need to get to (x,y) back
# one can either sort again or just make a copy earlier
xinds = x.argsort()
y = y[xinds]
x = x[xinds]
plt.figure(figsize=(10,10))
plt.plot(x,y,'rx',interpolated_x,query_y,'b-')

最后一个情节看起来像

其中，红色十字明显是初始点，蓝色曲线是插值数据

---

链接排序取自。

您好，谢谢您的回答。对于这个用例，我给出了您的答案。但是在我的实际用例中，沿着样条线标记的像素之间的距离太大了。因此，样条曲线插值会受到影响，然后插值点不位于已标记的点之间。对此有什么建议吗？我将尝试用实际数据集的一个样本来更新这里的问题，该样本带有沿样条线标记的点的实际值。欢迎您。请更新你的答案，我会看一看。嗨，提供的答案完全适合我。减少样条曲线的阶数使所有插值样条曲线位于输入点之间。这些链接有助于了解更多样条曲线和插值。嗨，谢谢你的回答。对于这个用例，我给出了您的答案。但是在我的实际用例中，沿着样条线标记的像素之间的距离太大了。因此，样条曲线插值会受到影响，然后插值点不位于已标记的点之间。对此有什么建议吗？我将尝试用实际数据集的一个样本来更新这里的问题，该样本带有沿样条线标记的点的实际值。欢迎您。请更新你的答案，我会看一看。嗨，提供的答案完全适合我。减少样条曲线的阶数使所有插值样条曲线位于输入点之间。这些链接有助于了解更多样条曲线和插值。和