<think>根据用户需求，用户想要查找B样条基函数的实现代码。从提供的引用中，我们可以参考多个来源的代码（Python和MATLAB）。下面我将整理并解释这些代码。 引用[1]提供了Python实现的均匀B样条基函数计算。它包含两个函数：`basis`用于递归计算基函数，`newbs`用于生成整个节点向量并计算基函数值数组。 引用[4]提供了MATLAB实现的B样条基函数，同样使用递归方法。 由于用户没有指定语言，我将提供Python版本的实现（基于引用[1]），并解释代码。 ### Python实现B样条基函数（递归方法） ```python import numpy as np def basis(x, degree, i, knots): """ 递归计算B样条基函数的值 参数: x: 自变量值 degree: 基函数的次数 i: 基函数的索引（从0开始） knots: 节点向量（非均匀，已排序） 返回: 基函数在x处的值 """ if degree == 0: # 0次基函数：在节点区间[knots[i], knots[i+1])内为1，否则为0 if knots[i] <= x < knots[i+1]: return 1.0 else: return 0.0 else: # 计算第一个递归项 if knots[i+degree] != knots[i]: temp1 = (x - knots[i]) / (knots[i+degree] - knots[i]) * basis(x, degree-1, i, knots) else: temp1 = 0.0 # 计算第二个递归项 if knots[i+degree+1] != knots[i+1]: temp2 = (knots[i+degree+1] - x) / (knots[i+degree+1] - knots[i+1]) * basis(x, degree-1, i+1, knots) else: temp2 = 0.0 return temp1 + temp2 def newbs(x, degree, inner_knots, boundary_knots): """ 生成节点向量并计算所有非零基函数值 参数: x: 自变量值 degree: 基函数的次数 inner_knots: 内部节点列表 boundary_knots: 边界节点，长度为2的列表或数组，如[-4,4] 返回: 一个列表，包含所有基函数在x处的值（长度为len(inner_knots)+degree+1） """ # 对边界节点排序 boundary_knots = np.sort(boundary_knots) # 构建节点向量：首尾各添加degree+1个边界节点，中间是内部节点（已排序） knots = [boundary_knots[0]] * (degree+1) + list(np.sort(inner_knots)) + [boundary_knots[1]] * (degree+1) n = len(inner_knots) + degree + 1 # 基函数的个数 s = [0] * n # 初始化基函数值列表 # 如果x等于右边界节点，则最后一个基函数为1（处理边界情况） if x == boundary_knots[1]: s[-1] = 1.0 else: # 遍历每个基函数 for i in range(n): s[i] = basis(x, degree, i, knots) return s # 示例调用 if __name__ == "__main__": # 调用示例 result = newbs(2, degree=3, inner_knots=[-0.25, -0.5, 0, 0.25, 0.5], boundary_knots=[-4, 4]) print(result) ``` ### 代码说明： 1. **`basis`函数**：递归计算第`i`个`degree`次B样条基函数在`x`处的值。递归公式基于Cox-de Boor递推公式： $$N_{i,0}(x) = \begin{cases} 1 & \text{if } t_i \leq x < t_{i+1} \\ 0 & \text{otherwise} \end{cases}$$ $$N_{i,k}(x) = \frac{x - t_i}{t_{i+k} - t_i} N_{i,k-1}(x) + \frac{t_{i+k+1} - x}{t_{i+k+1} - t_{i+1}} N_{i+1,k-1}(x)$$ 注意：当分母为零时，该项取0。 2. **`newbs`函数**：用于生成完整的节点向量（包括边界节点的重复），然后计算在给定`x`处所有基函数的值。节点向量的构造方式为： - 左边界节点重复`degree+1`次 - 内部节点（排序后） - 右边界节点重复`degree+1`次 3. **示例调用**：计算在`x=2`处，次数为3，内部节点为`[-0.25, -0.5, 0, 0.25, 0.5]`，边界节点为`[-4,4]`的所有基函数值。 ### 注意事项： - 该递归实现对于高次基函数可能效率较低（存在重复计算）。在实际应用中，可以考虑使用非递归（迭代）方法或缓存中间结果以提高效率。 - 节点向量必须是非递减序列。 - 边界情况处理：当`x`等于右边界节点时，我们直接设置最后一个基函数为1（这是因为在右端点处，只有最后一个基函数非零）。 ### 相关问题 §§相关问题§§ 1. B样条基函数的递归公式是什么？ 2. 如何优化递归计算B样条基函数的效率？ 3. B样条基函数在计算机图形学中有哪些应用？ </think> ### B样条基函数实现代码解析 B样条基函数是计算机图形学和CAD中的核心数学工具，用于构造光滑曲线。以下提供Python实现代码（基于递归公式），并详细解释其原理和用法。 #### Python实现代码 ```python import numpy as np def basis_function(x: float, degree: int, i: int, knots: list) -> float: """ 计算B样条基函数N_{i,degree}(x) 参数: x: 自变量值 degree: 基函数次数 i: 基函数索引(从0开始) knots: 节点向量(非递减序列) 返回: 基函数在x处的值 """ # 0次基函数(递归基础) if degree == 0: return 1.0 if knots[i] <= x < knots[i+1] else 0.0 # 处理分母为零的情况 denom1 = knots[i+degree] - knots[i] term1 = (x - knots[i]) / denom1 * basis_function(x, degree-1, i, knots) if denom1 > 1e-10 else 0.0 denom2 = knots[i+degree+1] - knots[i+1] term2 = (knots[i+degree+1] - x) / denom2 * basis_function(x, degree-1, i+1, knots) if denom2 > 1e-10 else 0.0 return term1 + term2 def compute_basis(x: float, degree: int, inner_knots: list, boundary_knots: list) -> list: """ 计算所有非零基函数值 参数: x: 自变量值 degree: 基函数次数 inner_knots: 内部节点列表 boundary_knots: 边界节点[左边界, 右边界] 返回: 基函数值列表(长度=len(inner_knots)+degree+1) """ # 构造完整节点向量 knots = sorted([boundary_knots[0]] * (degree+1) + sorted(inner_knots) + [boundary_knots[1]] * (degree+1)) n_basis = len(inner_knots) + degree + 1 # 基函数总数 basis_values = [] # 计算每个基函数值 for i in range(n_basis): basis_values.append(basis_function(x, degree, i, knots)) return basis_values # 示例调用 if __name__ == "__main__": # 输入参数 x = 0.5 degree = 3 inner_knots = [-0.5, -0.25, 0, 0.25, 0.5] boundary_knots = [-4, 4] # 计算基函数值 result = compute_basis(x, degree, inner_knots, boundary_knots) print(f"在x={x}处的基函数值: {result}") ``` #### 核心算法解析 1. **递归公式**（Cox-de Boor递推）： $$ N_{i,0}(u) = \begin{cases} 1 & \text{if } u_i \leq u < u_{i+1} \\ 0 & \text{otherwise} \end{cases} $$ $$ N_{i,p}(u) = \frac{u - u_i}{u_{i+p} - u_i}N_{i,p-1}(u) + \frac{u_{i+p+1} - u}{u_{i+p+1} - u_{i+1}}N_{i+1,p-1}(u) $$ 2. **节点向量构造**： - 边界节点重复 $degree+1$ 次（如 `[-4,-4,-4,-4]`） - 内部节点需排序（如 `[-0.5, -0.25, 0, 0.25, 0.5]`） - 完整节点向量示例（3次B样条）： $$[-4,-4,-4,-4,-0.5,-0.25,0,0.25,0.5,4,4,4,4]$$ 3. **特性说明**： - **局部支撑性**：每个基函数仅在 $[u_i, u_{i+p+1})$ 非零 - **连续性**：$p$ 次B样条具有 $C^{p-1}$ 连续性 - **归一性**：$\sum_{i=0}^{n}N_{i,p}(u) = 1$ #### 应用示例 构造2次B样条曲线（3个控制点）： ```python # 控制点 control_points = np.array([[0,0], [1,2], [3,1]]) # 计算曲线点 def bspline_curve(t, degree, ctrl_pts, knots): basis_vals = compute_basis(t, degree, [], [0,1]) curve_pt = np.zeros(2) for i, val in enumerate(basis_vals): curve_pt += val * ctrl_pts[i] return curve_pt ``` #### 注意事项 1. 节点向量需满足非递减：$u_i \leq u_{i+1}$ 2. 当分母接近零时添加容差（代码中`1e-10`） 3. 高次基函数计算可优化为迭代法（避免递归开销）