我已经阅读了关于这个主题的所有内容,但是我没有设法将部分代码翻译成我理解的简单python .
我得到了这个,基于de Casteljau算法的this very good explanation:
def divideCurve(p0, cp0, cp1, p1, t):
# p0 and p1 are the start/end points of the bezier curve,
# cp0 and cp1 are the control points
# all points are tuples of their coordinates: p0 = (10, 15)
Ax = ( (1 - t) * p0[0] ) + (t * cp0[0])
Ay = ( (1 - t) * p0[1] ) + (t * cp0[1])
Bx = ( (1 - t) * cp0[0] ) + (t * cp1[0])
By = ( (1 - t) * cp0[1] ) + (t * cp1[1])
Cx = ( (1 - t) * cp1[0] ) + (t * p1[0])
Cy = ( (1 - t) * cp1[1] ) + (t * p1[1])
Dx = ( (1 - t) * Ax ) + (t * Bx)
Dy = ( (1 - t) * Ay ) + (t * By)
Ex = ( (1 - t) * Bx ) + (t * Cx)
Ey = ( (1 - t) * By ) + (t * Cy)
Px = ( (1 - t) * Dx ) + (t * Ex)
Py = ( (1 - t) * Dy ) + (t * Ey)
print Px, Py
for T in range(0, 11, 1):
t = T*0.1
divideCurve(p0, cp0, cp1, p1, t)
但是这会沿着曲线不均匀地分布点 .
我认为here是一个可能的解决方案,但我完全不理解弧长函数的反转代码或如何将其转换为python . 我找到了另一种方法here,我认为采用了一种不同的方法,我再也不了解它在python中实现 .
如果有人愿意将其简化为简单的python,那就太好了 .
1 回答
首先:这是一个没有符号解决方案的问题,即你不能采用"length-for-t"函数(在t值...,曲线的长度为X)作为贝塞尔曲线并反转它以便得到"t-for-length"(如果我很长...总长度X的百分比,我的值是t值 . 因此,您将找到的所有实现都是主题的变体
确定完整的曲线长度,
确定沿曲线的各种t值的参考长度,和
对于与参考值不完全匹配的值,找到它附近的两个t值,然后进行插值 .
一些实现将使此曲线变平(将贝塞尔曲线变为一系列直线),其他实现将构造一个t-distance-to-t查找表(LUT) . 一些实现将在已知参考值之间进行线性插值(有效地模拟平坦曲线),其他实现将使用弧插值,将两个已知值之间的每个段近似为(圆弧)弧的一部分 . 对于所有这些实现,最重要的是您的里程将根据所做的选择而变化,但是它们都接近"real"结果,您在连续t值之间的距离越小 .
最简单,通常也是最快的是在连续的t值之间构造一个具有"small enough"步长的LUT,然后甚至不用插值,而是选择最接近实际长度的t点 . 只要步长大小导致1px或更低的段长度,为了显示目的,你实际上不会导致'better'点,即使你使距离参考点更精确,它们也会在同一个像素上 .
我有一个关于这个的描述,有代码,在http://pomax.github.io/bezierinfo/#tracing,它在Processing,而不是python,但Processing是一个非常简单的语言,并且考虑到算法描述,它应该相对简单直接用Python写的基于你已有的代码 .