[英]Does the order of points matter in spline interpolation in MatLab?
我正在使用 MatLab 用鼠标选取数据点,然后用样条曲线拟合它。 我发现以下 function 可以完成这项工作
[xy, spcv] = getcurve()
它返回我用鼠标选取的点的 x 和 y
x = [ -0.8103 -0.6740 -0.5599 -0.5120 -0.4936 -0.4530 -0.4494 -0.4494 -0.4494 -0.4751 -0.5157 -0.6409 -0.6667 -0.7772 -0.7772 -0.6998 -0.5304 -0.4641 -0.2431 0.0110 0.1142 0.1989 0.2836 0.3499 0.3499 0.4125 0.5267]
y = [0.8621 0.8388 0.7640 0.7547 0.7266 0.6472 0.5911 0.5257 0.4696 0.3668 0.2967 0.2360 0.2220 0.0724 -0.1472 -0.1939 -0.2874 -0.4743 -0.5304 -0.5257 -0.4930 -0.3668 -0.2967 -0.2593 -0.2593 -0.2827 -0.3715
绘制由 getcurve() 返回的样条 spcv,我得到下图
通过阅读 getcurve 的代码,我看到它使用 cscvn 返回一个插值到给定点的参数“自然”三次样条。 这可能是曲线通过所有给定点而不是最佳拟合曲线的原因。 我想用下面的三次平滑样条替换它
sp = spaps(x, y, 0.);
xx = -1:0.01:2;
plot(xx, fnval(sp, xx), 'b', 'linewidth', 2); hold on;
plot(x, y, 'ko');
看起来它试图将数据点从小 x 拟合到大 x,而不是数据序列给出的顺序。 我期待如下所示的红色平滑曲线(我是手工绘制的)
我正在寻找一种解决方案,我可以在 getcurve 中用 spaps 替换 cscvn 并保持正确的顺序。 谢谢。
1.-要插入折回的曲线,您必须参数化x
和y
x = [ -0.8103 -0.6740 -0.5599 -0.5120 -0.4936 -0.4530 -0.4494 -0.4494 -0.4494 -0.4751 -0.5157 -0.6409 -0.6667 -0.7772 -0.7772 -0.6998 -0.5304 -0.4641 -0.2431 0.0110 0.1142 0.1989 0.2836 0.3499 0.3499 0.4125 0.5267];
y = [0.8621 0.8388 0.7640 0.7547 0.7266 0.6472 0.5911 0.5257 0.4696 0.3668 0.2967 0.2360 0.2220 0.0724 -0.1472 -0.1939 -0.2874 -0.4743 -0.5304 -0.5257 -0.4930 -0.3668 -0.2967 -0.2593 -0.2593 -0.2827 -0.3715];
figure(1)
ax1=gca
fnplt(cscvn([x;y])); hold(ax1,'on');
plot(ax1,x,y,'o');
grid on
sp = spaps(x, y, 0.);
xx = -1:0.01:2;
figure(2)
plot(xx, fnval(sp, xx), 'b', 'linewidth', 2); hold on;
plot(x, y, 'ko'); grid on
nx=[1:numel(x)];ny=[1:numel(y)];
fx=fit(nx',x','poly3','Normalize','on','Robust','Bisquare')
fy=fit(ny',y','poly3','Normalize','on','Robust','Bisquare')
plot(ax1,fx(nx),fy(ny))
f2x=fit(nx',x','cubicinterp','Normalize','on')
f2y=fit(ny',y','cubicinterp','Normalize','on')
plot(ax1,f2x(nx),f2y(ny))
f3x=fit(nx',x','smoothingspline','Normalize','on')
f3y=fit(ny',y','smoothingspline','Normalize','on')
plot(ax1,f3x(nx),f3y(ny))
f4x=fit(nx',x','poly1','Normalize','on')
f4y=fit(ny',y','poly1','Normalize','on')
plot(ax1,f4x(nx),f4y(ny))
f5x=fit(nx',x','poly11','Normalize','on')
f5y=fit(ny',y','poly11','Normalize','on')
plot(ax1,f5x(nx),f5y(ny))
f6x=fit(nx',x','rat33','Normalize','on')
f6y=fit(ny',y','rat33','Normalize','on')
plot(ax1,f6x(nx),f6y(ny))
2.-请注意, nx
和ny
与x
和y
具有相同数量的样本。
如果您在nx
上插值x
,在ny
上插值y
,然后应用拟合,结果曲线将按照您要求的方式更接近所有点。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.