别再傻傻分不清了！用Python+Matplotlib手把手画图，5分钟搞懂贝塞尔、B样条和NURBS曲线的核心差异-平芜编程栈

用Python+Matplotlib实战解析贝塞尔、B样条与NURBS曲线的本质差异

在计算机图形学和CAD建模领域，曲线设计是构建复杂形状的基础工具。许多初学者面对贝塞尔曲线、B样条曲线和NURBS曲线时，常常被抽象的理论公式和数学定义所困扰。本文将通过Python代码实现和Matplotlib可视化，带您直观理解这三种核心曲线技术的本质区别。

1. 环境准备与基础概念

在开始编码前，我们需要配置Python环境并安装必要的库。推荐使用Anaconda创建虚拟环境：

conda create -n curves python=3.9 conda activate curves pip install numpy matplotlib scipy

三种曲线虽然都用于建模，但设计理念和应用场景各有侧重：

贝塞尔曲线：由Pierre Bézier在1960年代为雷诺汽车设计开发，特点是全局控制、简单直观
B样条曲线：在贝塞尔基础上引入局部控制能力，适合复杂形状建模
NURBS曲线：非均匀有理B样条的简称，通过权重因子实现更精细控制，成为工业标准

下表对比了三种曲线的基本特性：

特性	贝塞尔曲线	B样条曲线	NURBS曲线
控制点影响	全局	局部	局部
权重控制	无	无	有
数学基础	Bernstein基函数	B样条基函数	有理B样条基函数
复杂度	低	中	高
应用场景	简单形状设计	复杂曲线建模	工业级精确建模

2. 贝塞尔曲线实战：从基础到高级

贝塞尔曲线的核心在于Bernstein基函数，其数学定义为：

import numpy as np from scipy.special import comb def bernstein_poly(n, i, t): return comb(n, i) * (t**i) * ((1-t)**(n-i))

让我们实现一个三次贝塞尔曲线的绘制函数：

import matplotlib.pyplot as plt def draw_bezier(points, num=100): n = len(points) - 1 t = np.linspace(0, 1, num) curve = np.zeros((num, 2)) for i in range(n+1): curve += np.outer(bernstein_poly(n, i, t), points[i]) plt.plot(points[:,0], points[:,1], 'ro--') plt.plot(curve[:,0], curve[:,1], 'b-') plt.title(f'Bezier Curve (Degree {n})') plt.show() # 测试四点贝塞尔曲线 control_points = np.array([[0,0], [1,3], [4,5], [6,1]]) draw_bezier(control_points)

贝塞尔曲线有几个关键特性值得注意：

端点性质：曲线总是通过第一个和最后一个控制点
切线性质：曲线在起点和终点处与控制多边形的第一条和最后一条边相切
凸包性：曲线完全位于控制点形成的凸包内
全局控制：移动任何一个控制点都会影响整条曲线

提示：在交互式环境中，可以尝试动态修改控制点位置，观察整个曲线形状的变化，这是理解"全局控制"概念的最佳方式。

3. B样条曲线：突破贝塞尔局限

B样条曲线通过引入节点向量和局部支撑的基函数，解决了贝塞尔曲线的全局控制问题。其基函数定义如下：

def b_spline_basis(i, k, t, knots): if k == 1: return 1.0 if knots[i] <= t < knots[i+1] else 0.0 else: denom1 = knots[i+k-1] - knots[i] term1 = 0.0 if denom1 == 0 else (t - knots[i])/denom1 * b_spline_basis(i, k-1, t, knots) denom2 = knots[i+k] - knots[i+1] term2 = 0.0 if denom2 == 0 else (knots[i+k] - t)/denom2 * b_spline_basis(i+1, k-1, t, knots) return term1 + term2

实现B样条曲线绘制：

def draw_b_spline(points, degree=3, num=100): n = len(points) knots = np.linspace(0, 1, n + degree + 1) t = np.linspace(0, 1, num) curve = np.zeros((num, 2)) for i in range(n): basis = np.array([b_spline_basis(i, degree+1, ti, knots) for ti in t]) curve += np.outer(basis, points[i]) plt.plot(points[:,0], points[:,1], 'ro--') plt.plot(curve[:,0], curve[:,1], 'b-') plt.title(f'B-Spline Curve (Degree {degree})') plt.show() # 测试B样条曲线 control_points = np.array([[0,0], [1,2], [3,4], [5,1], [7,3], [8,0]]) draw_b_spline(control_points)

B样条曲线相比贝塞尔有几个显著优势：

局部修改性：改变一个控制点只影响曲线的一部分
灵活性：通过调整节点向量可以控制曲线的连续性
低次高控：可以用低次曲线精确控制复杂形状

下表展示了不同节点向量对曲线行为的影响：

节点向量类型	特点	适用场景
均匀节点	等距分布，简单易用	一般建模
开放均匀	两端节点重复度增加	端点控制
非均匀	节点间距不等	特殊形状

4. NURBS曲线：工业级精确建模

NURBS在B样条基础上引入权重因子，实现了更精确的控制。其实现代码如下：

def draw_nurbs(points, weights, degree=3, num=100): n = len(points) knots = np.linspace(0, 1, n + degree + 1) t = np.linspace(0, 1, num) curve = np.zeros((num, 2)) sum_weights = np.zeros(num) # 计算有理基函数 for i in range(n): basis = np.array([b_spline_basis(i, degree+1, ti, knots) for ti in t]) weighted_basis = weights[i] * basis curve += np.outer(weighted_basis, points[i]) sum_weights += weighted_basis curve = (curve.T / sum_weights).T plt.plot(points[:,0], points[:,1], 'ro--') plt.plot(curve[:,0], curve[:,1], 'b-') plt.title(f'NURBS Curve (Degree {degree})') plt.show() # 测试NURBS曲线 control_points = np.array([[0,0], [1,3], [4,5], [6,1]]) weights = np.array([1, 3, 3, 1]) # 调整权重观察变化 draw_nurbs(control_points, weights)

NURBS曲线的核心优势在于：

权重控制：通过调整权重可以精确控制曲线形状
统一表达：能够精确表示圆锥曲线等传统曲线
工业标准：成为CAD/CAM系统的事实标准

权重因子的影响可以通过以下实验观察：

# 权重变化实验 points = np.array([[0,0], [1,2], [2,0]]) weights_list = [ [1, 1, 1], # 等同于普通B样条 [1, 2, 1], # 中间点权重增加 [1, 0.5, 1], # 中间点权重减少 [1, 5, 1] # 强吸引效果 ] plt.figure(figsize=(12,8)) for i, weights in enumerate(weights_list): draw_nurbs(points, weights) plt.title(f"Weights: {weights}")

5. 综合对比与实战应用

通过前面的实现，我们已经可以直观比较三种曲线的差异。下面通过一个综合案例展示它们在实际建模中的应用选择。

假设我们需要设计一个汽车轮廓曲线：

car_points = np.array([ [0,0], [1,1.5], [3,2], [5,2], [7,1.5], [8,0.5], [8.5,0], [7,-1], [5,-1.5], [3,-1.5], [1,-1], [0,0] ]) # 贝塞尔曲线尝试 plt.figure(figsize=(12,4)) plt.subplot(131) draw_bezier(car_points) plt.title("Bezier - 全局变形") # B样条曲线 plt.subplot(132) draw_b_spline(car_points, degree=3) plt.title("B-Spline - 局部控制") # NURBS曲线 plt.subplot(133) weights = np.array([1,1,1,1,1,1,1,1,1,1,1,1]) # 初始等权重 weights[3] = 2 # 增强车顶控制点 weights[8] = 0.5 # 减弱车尾控制点 draw_nurbs(car_points, weights) plt.title("NURBS - 精确塑形")

从实际应用角度，三种曲线的选择策略如下：