使用 scipy.interpolate.splrep 沿样条线插值点

Question

我正在处理沿着图像中的车道插入点的任务。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）包含在here。

我正在尝试使用来自 scipy 的slprep，以下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)

我目前的观察是：

1. 当我绘制 (interpolated_x 和 query_y) 的像素标记时，结果坐标确实 不在输入（x 和 y）坐标的标记之间。

我的问题是：

1. 谁能告诉我我做错了什么？

2. 如何定义来自 splrep 的节点参数，以便 插值样条通过最大输入点？？

3. 我看到的大多数相关线程都使用插值函数 计算 y = f(x) 其中 x 是已知的并且 y 将被插值并且 我正在使用插值函数来评估 x = f(y)。这是 有什么问题吗？？

Answer 1

希望我能理解您的问题。
1 & 3：您正在使用 (y',x') 点对 (x,y) 数据进行插值。正如您在第三个子问题中建议的那样，这将不起作用。 2：如果是你要的，请看示例代码：

# 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-')

最后的情节是这样的

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Sort array's rows by another array in Python。