写这个标题是因为最近在搞一个交互式造型的小工具，里面要用到曲线编辑功能。试过直接用Bezier曲线，但拖拽一个控制点的时候整条曲线都跟着抖，实在受不了，后来才下决心把三次B样条老老实实研究了一遍。这篇文章算是我的实践笔记，把三次B样条的核心特性、数学原理和一套能直接用的C++实现都理清楚，给同样被曲线折磨的读者一个参考。
三次B样条（Cubic B-Spline）说白了就是一种用少量控制点去定义一条光滑曲线的数学工具，在CAD、路径规划、字体轮廓、动画插值里到处都是它的身影。它最大的价值就是"局部修改"——你动一个控制点，只影响附近一小段曲线，其他部分纹丝不动，这个特性在交互式设计里太关键了。而且三次（degree=3）这个次数能保证曲线上所有位置的二阶导连续，视觉上就是完全光滑的，对绝大多数工程需求已经足够了。
这篇文章适合谁看？如果你是搞图形学、写几何算法、做机器人路径规划，或者正在用OpenCV、Unity、自研引擎做曲线相关的东西，并且想把B样条的原理吃透、自己用C++撸一遍，这篇文章就是给你写的。我会从为什么需要它讲起，把数学定义拆开揉碎，最后给一套可以直接编译运行的完整实现，照着抄就行。
1. 为什么绕不开三次B样条：从Bezier的短板说起
1.1 Bezier曲线的"全局牵制"问题
如果你用过Bezier曲线，应该有这样的体验：一条由4个控制点定义的三次Bezier，理论上已经挺灵活了，但一旦控制点数量增多，比如你要画一条经过8个点的光滑路径，麻烦就来了。高次Bezier曲线有严重的数值不稳定性，控制点稍微动一点点，整条曲线的形状就可能剧烈变化。这不是参数没调好，而是数学本质决定的：Bezier的基函数（Bernstein基）在整个参数区间[0,1]上都是非零的，每个基函数都"管"着整条曲线。
打个比方，Bezier像一个特别团结的班级，任何一个人转学，全班的平均分都变。你拖拽一个控制点想修一下局部弧度，结果整条曲线都跟着扭曲，根本没法精细控制。在实际的曲线编辑系统里，这基本是不可接受的。
1.2 B样条的破局思路：局部自治
B样条的核心思路完全不一样。它把整个参数区间切分成很多小段，每一段曲线只由少数几个控制点决定。具体到三次B样条，曲线在任意位置最多只受4个控制点影响，这就是"局部支撑性"。拖拽一个控制点，最多影响它附近的3到4个曲线段，其他位置完全不变。
这种"地方割据、局部自治"的特性，让它成为工程上做曲线编辑、拟合、路径规划的首选。后面我还会详细讲局部支撑性带来的其他好处（比如稳定性和计算效率），但先记住这个大方向：B样条就是为解决Bezier"全局牵制"问题而生的。
2. 三次B样条的核心特性拆解
这一节我按自己理解的最重要程度从上往下排，全是我在实际写代码和调曲线时真正用到的性质。数学符号我会尽量配合人话解释，保证你能看懂并复现。
2.1 数学定义：节点向量和基函数
三次B样条曲线的标准定义是：
C(u) = Σ_{i=0}^{n} N_{i,3}(u) · P_i
其中P_i是控制点，N_{i,3}是3次B样条基函数。这个定义看着吓人，但拆开就没啥了。关键在于基函数是怎么来的，它由节点向量（knot vector）递推生成。节点向量就是一个非递减的实数序列，比如{0, 0, 0, 0, 1/3, 2/3, 1, 1, 1, 1}。如果首尾各出现4次（次数3+1），就叫clamped（准均匀）节点向量，生成的曲线会精确经过首尾控制点，这个后面会细说。
基函数用Cox-de Boor递推公式计算：0次基函数是个简单的区间判断（参数u落在某个节点区间内就是1，否则是0），高次基函数由两个低次基函数线性组合得到。代码后面会给出。
2.2 局部支撑性：移动一个点，只影响局部
这个特性是B样条的灵魂。三次B样条基函数N_{i,3}(u)只在区间[u_i, u_{i+4}]内非零，其他地方都是0。所以当你移动控制点P_i，只有落到这个区间内的那几段曲线会受到影响。直观感受是，在一堆控制点中间揪起一个点往外拉，曲线会鼓出一个局部的小包，其他区域纹丝不动。
这个特性在实际设计中是决定性的。比如你画一条车身轮廓线，发现腰线位置弧度不够，只需要调整那附近的一两个控制点，前脸和尾部的线条完全不受影响。这在Bezier里是不可想象的。
2.3 凸包性与连续性：曲线不会"飞出去"
凸包性说的是，曲线永远落在所有控制点围成的凸包内。好比你把一堆钉子钉在木板上，用橡皮筋把所有钉子围起来，曲线怎么弯都跑不出这个橡皮筋范围。这个性质在做碰撞检测、路径安全性校验时非常有用，比如规划机器人轨迹，只要控制点都在安全区域内，整条路径就一定安全。
连续性方面，三次B样条在内部节点处默认保证C2连续（二阶导连续）。C2意味着曲率连续，视觉上就是绝对光滑，没有转角。如果某个节点重复度增加1次，那个位置的连续性就降一级（比如重复度为2时变C1），这是B样条系统中控制连续性的核心手段。
2.4 端点插值：clamped节点的特殊待遇
当节点向量两端各有degree+1个重复节点时（比如三次就是两端各4个0和4个1），曲线会精确经过首尾控制点。这一点对工程设计特别重要——你通常希望曲线端点和用户点击的起始点完全重合，而不是"差一点点"。clamped节点向量正好保证P(0) = P0，P(1) = Pn。这个特性后面写代码验证时也会用到，是最简单的自检手段。
3. C++实现前的准备：数据结构与核心算法选型
3.1 关键关系的量化：控制点、节点向量、曲线段数量
动手写代码之前，必须先把几个关键数量关系搞清楚，不然代码边界条件全是坑。设控制点数量为numPts，次数为p（我们这里是3），那么：
- 节点向量长度 = numPts + p + 1
- 曲线由 numPts - p 段Bezier-like小段拼接而成
- 每段曲线由4个控制点定义
以5个控制点、3次曲线为例，节点向量长度是9。clamped构造方式：前4个是0，后4个是1，中间夹1个内部节点（比如0.5）。所以节点向量是{0, 0, 0, 0, 0.5, 1, 1, 1, 1}。验证一下，曲线段数=5-3=2，第一段对应参数[0, 0.5]，第二段对应[0.5, 1]，完全吻合。
3.2 类设计与数据结构
我建议用一个专门的类BSplineCurve来封装所有逻辑，数据成员就三个：次数（int）、控制点数组（vector ）、节点向量（vector )。Vec3就是一个简单的三维点/向量结构体，支持加减、数乘等基本运算。在二维场景中使用也是完全一样的，z坐标置0即可。
控制点这里用三维，是因为B样条的算法天然与维度无关，写三维版本以后可以复用到3D建模、空间路径规划等场景，不用重写。
3.3 节点区间定位：FindSpan，曲线求值的门户
在计算基函数和曲线点之前，必须先回答一个问题：给定的参数u落在哪个节点区间？这个区间下标叫span，所有后续计算都基于它。举一个实际例子，节点向量{0,0,0,0,0.5,1,1,1,1}，参数u=0.3时，它落在knots[3]和knots[4]之间（0到0.5），所以span=3。
用二分查找实现，效率高且逻辑清晰。注意两个边界特殊情况：u等于左端点0时，直接把span设为p（也就是3）；u等于右端点1时，span设为numPts-1。这两个边界如果不特殊处理，二分查找会死循环或者返回错误区间，是我踩过的坑，一定要先处理。
3.4 基函数递归计算：Cox-de Boor递推，注意除零保护
基函数计算是整个系统的地基，后面求值、求导都靠它。我是用递归实现的Cox-de Boor公式，配套了两个关键的细节处理。
首先，0次基函数N_{i,0}(u)是个二值函数：u在节点区间[knots[i], knots[i+1])内返回1，否则返回0。注意是左闭右开，不像数学上经常写的闭区间。这样保证每个参数u只会落在恰好一个0次基函数的支撑区间内，不会重叠。
其次，高次递推中会出现分母knots[i+k] - knots[i]等于0的情况（节点重复时），这种情况直接跳过那一项即可。每个节点最多重复p+1次（即4次），所以除零问题在三次B样条里实际上是可控的，只要编码时判断一下就行。这个细节不处理，程序在极端参数处就直接崩了。
4. 曲线求值核心：de Boor算法与完整可运行代码
4.1 为什么用de Boor而不是直接算基函数求和
理论上，C(u) = Σ N_{i,3}(u)·P_i，我前面介绍了基函数的递归计算方法，那直接算完基函数再加权求和不行吗？可以，但性能不是最优。de Boor算法利用了基函数的局部支撑性，采用逐层线性插值的方式，把计算量从需要算全部n+1个基函数缩减到只用处理p+1个点的递推。在小规模场景下两者差别不大，但de Boor算法的数值稳定性更好，且当扩展到高次或大量控制点时，优势非常明显。
4.2 de Boor算法的递推过程
de Boor的核心思想是"取局部控制点，逐层做线性插值缩小范围"。具体步骤：
- 用FindSpan定位参数u所属区间span；
- 取出局部控制点：P_{span-p}, ..., P_{span}（三次时恰为4个）；
- 对这4个点做p轮线性插值，每一轮数量减1，直到只剩1个点，这个点就是曲线上的最终值。
第r轮插值的公式为：
alpha = (u - knots[idx]) / (knots[idx + p - r + 1] - knots[idx])
被更新的点是P_{span-p+i} = (1-alpha)·P_{span-p+i-1} + alpha·P_{span-p+i}
说实话，这个公式第一次看容易晕，我建议你直接用代码对照着看，一目了然。
4.3 完整代码实现（可直接编译）
下面是一套可以直接跑起来的三次B样条C++实现，我加了详尽的注释。为了简洁，Vec3只实现了运算所需的运算符重载。
#include <vector> #include <cmath> #include <cassert> #include <iostream> #include <fstream> struct Vec3 { double x, y, z; Vec3() : x(0), y(0), z(0) {} Vec3(double x_, double y_, double z_) : x(x_), y(y_), z(z_) {} Vec3 operator+(const Vec3& rhs) const { return Vec3(x + rhs.x, y + rhs.y, z + rhs.z); } Vec3 operator-(const Vec3& rhs) const { return Vec3(x - rhs.x, y - rhs.y, z - rhs.z); } Vec3 operator*(double s) const { return Vec3(x * s, y * s, z * s); } }; class BSplineCurve { public: BSplineCurve(int degree, const std::vector<Vec3>& ctrlPts) : m_degree(degree), m_ctrlPts(ctrlPts) { m_numPts = static_cast<int>(ctrlPts.size()); assert(m_numPts > m_degree); BuildClampedKnots(); } // 构建准均匀 (clamped) 节点向量 void BuildClampedKnots() { int n = m_numPts - 1; int p = m_degree; int m = n + p + 1; // 最大节点下标 m_knots.clear(); m_knots.resize(m + 1); // 前 p+1 个节点为 0 for (int i = 0; i <= p; ++i) m_knots[i] = 0.0; // 内部节点均匀分布在 (0, 1) int interiorCnt = n - p; for (int i = 0; i < interiorCnt; ++i) { m_knots[p + i + 1] = (i + 1.0) / (interiorCnt + 1.0); } // 后 p+1 个节点为 1 for (int i = p + interiorCnt + 1; i <= m; ++i) { m_knots[i] = 1.0; } } int GetDegree() const { return m_degree; } int GetCtrlPtCount() const { return m_numPts; } const std::vector<Vec3>& GetCtrlPts() const { return m_ctrlPts; } const std::vector<double>& GetKnots() const { return m_knots; } // 基函数递归计算 double BasisFunction(int i, int k, double u) const { if (k == 0) { return (u >= m_knots[i] && u < m_knots[i + 1]) ? 1.0 : 0.0; } double left = 0.0, right = 0.0; double d1 = m_knots[i + k] - m_knots[i]; double d2 = m_knots[i + k + 1] - m_knots[i + 1]; if (d1 > 1e-12) { left = (u - m_knots[i]) / d1 * BasisFunction(i, k - 1, u); } if (d2 > 1e-12) { right = (m_knots[i + k + 1] - u) / d2 * BasisFunction(i + 1, k - 1, u); } return left + right; } // 定位参数 u 所属节点区间，区间下标为 [span, span+1) int FindSpan(double u) const { int n = m_numPts - 1; int p = m_degree; if (u >= m_knots[n + 1]) return n; // 右端点处理 if (u <= m_knots[p]) return p; // 左端点处理 int low = p, high = n + 1; int mid = (low + high) / 2; while (u < m_knots[mid] || u >= m_knots[mid + 1]) { if (u < m_knots[mid]) { high = mid; } else { low = mid; } mid = (low + high) / 2; } return mid; } // de Boor算法求曲线点 Vec3 PointAt(double u) const { int p = m_degree; int span = FindSpan(u); // 取出局部控制点，tmp[i] 对应 P_{span-p+i} std::vector<Vec3> tmp(m_ctrlPts.begin() + span - p, m_ctrlPts.begin() + span + 1); // 逐层线性插值 for (int r = 1; r <= p; ++r) { for (int i = p; i >= r; --i) { int idx = span - p + i; double denom = m_knots[idx + p - r + 1] - m_knots[idx]; double alpha = 0.0; if (denom > 1e-12) { alpha = (u - m_knots[idx]) / denom; } tmp[i] = tmp[i - 1] * (1.0 - alpha) + tmp[i] * alpha; } } return tmp[p]; } // 一阶导矢：C'(u) = Σ Q_i * N_{i+1, p-1}(u) // 其中 Q_i = p * (P_{i+1} - P_i) / (knots[i+p+1] - knots[i+1]) Vec3 DerivativeAt(double u) const { int p = m_degree; std::vector<Vec3> Q(m_numPts - 1); for (int i = 0; i < m_numPts - 1; ++i) { double denom = m_knots[i + p + 1] - m_knots[i + 1]; if (denom > 1e-12) { Q[i] = (m_ctrlPts[i + 1] - m_ctrlPts[i]) * (p / denom); } } Vec3 result(0, 0, 0); for (int i = 0; i < m_numPts - 1; ++i) { double b = BasisFunction(i + 1, p - 1, u); result = result + Q[i] * b; } return result; } private: int m_degree; std::vector<Vec3> m_ctrlPts; std::vector<double> m_knots; int m_numPts; }; // 将曲线采样点输出为SVG，方便可视化验证 void ExportSVG(const BSplineCurve& curve, const std::string& filename) { std::ofstream out(filename); out << "<svg xmlns='http://www.w3.org/2000/svg' viewBox='0 0 800 600'>\n"; // 控制多边形 out << "<polyline points='"; const auto& ctrl = curve.GetCtrlPts(); for (const auto& pt : ctrl) { out << pt.x << "," << pt.y << " "; } out << "' fill='none' stroke='#3498db' stroke-width='2'/>\n"; // 曲线采样点（折线近似） out << "<polyline points='"; const int samples = 100; for (int i = 0; i <= samples; ++i) { double u = static_cast<double>(i) / samples; Vec3 pt = curve.PointAt(u); out << pt.x << "," << pt.y << " "; } out << "' fill='none' stroke='#e74c3c' stroke-width='3'/>\n"; // 控制点 for (const auto& pt : ctrl) { out << "<circle cx='" << pt.x << "' cy='" << pt.y << "' r='5' fill='#2c3e50'/>\n"; } out << "</svg>\n"; out.close(); std::cout << "已导出: " << filename << std::endl; } int main() { // 5个控制点，三次B样条 std::vector<Vec3> ctrlPts = { Vec3(50, 300, 0), Vec3(200, 100, 0), Vec3(400, 500, 0), Vec3(600, 100, 0), Vec3(750, 300, 0) }; BSplineCurve curve(3, ctrlPts); // 验证端点插值性：P(0)应等于P0，P(1)应等于P4 Vec3 p0 = curve.PointAt(0.0); Vec3 p1 = curve.PointAt(1.0); std::cout << "P(0) = (" << p0.x << ", " << p0.y << ")\n"; std::cout << "P(1) = (" << p1.x << ", " << p1.y << ")\n"; // 验证局部性：把中间点挪走，观察变化范围 auto modified = ctrlPts; modified[2] = Vec3(400, 700, 0); BSplineCurve curve2(3, modified); // 输出SVG ExportSVG(curve, "curve_before.svg"); ExportSVG(curve2, "curve_after.svg"); // 输出节点向量 std::cout << "Knots: "; for (double k : curve.GetKnots()) { std::cout << k << " "; } std::cout << std::endl; return 0; }4.4 代码自检与验证方法
代码写完后，先别急着跑，用几个关键性质自检一下。我最常用的三个验证手段：
第一，端点值验证。对clamped三次B样条，P(0)应当严格等于P0，P(1)应当严格等于Pn。这一步就能发现大多数索引偏移错误。
第二，控制点共线验证。把所有控制点放在一条直线上，曲线应该退化为一条直线段。如果算出来是弯曲的，说明de Boor算法的插值系数有bug。
第三，局部性可视化验证。像上面代码里那样，把中间一个控制点大幅移开，导出修改前后的SVG对比图。正常情况只有中间一小段变化，如果整条曲线都变了，那肯定不是B样条该有的表现。
这三个方法我在实际调试中每次都用，可以说零成本又高效。
5. 节点向量策略与闭曲线处理的工程实践
5.1 均匀、准均匀与非均匀：怎么选
节点向量的构造决定了一条B样条曲线的性格，我用一个表格总结三种最常见的方案：
| 类型 | 端点重复度 | 内部节点 | 适用场景 |
|---|---|---|---|
| 均匀（Uniform） | 1 | 等距 | 周期性曲线、简单插值 |
| 准均匀（Clamped） | p+1 | 等距 | 绝大多数开曲线设计 |
| 非均匀（Non-uniform） | 任意 | 不等距 | 需要局部加密或逼近特定形状 |
准均匀方案是实践活动中的绝对主力。它保留了端点插值的精确性，同时内部计算最简单。均匀方案的问题在于端点不经过控制点，曲线会在首尾"飘"出去一段，这在很多工程场景无法接受。非均匀方案最有表现力（NURBS就是它的扩展），但参数选取更像一门手艺，新手阶段不用急着碰，先把前两者的代码写利索了再说。
内部节点的数量也是要算的。Clamped三次B样条，当控制点数为N时，内部节点数为N-4。比如5个控制点，内部节点就是1个（如0.5）。
5.2 闭曲线处理：控制点回绕法，最简单实用的方案
现实中很多需求是闭合曲线，比如画一个椭圆轮廓、一圈路径规划、封闭的字体轮廓。闭曲线的处理比开曲线多一层麻烦，但有一个非常实用的技巧：把前p个控制点追加到控制点序列末尾。这样曲线首尾相接，且连接处保持C2连续（因为末端重新经过P0及其相邻点控制）。
具体做法是：假设原始控制点是P0, P1, ..., Pn，三次情况下构造新的控制点序列{P0, P1, ..., Pn, P0, P1, P2}，用这个新序列去构建clamped曲线。最终曲线在参数从0走到1的过程中，会精确地绕回起点，且在接缝处光滑过渡。
参数域的选择有个问题要留意：这样构造出来的曲线，接缝处对应的参数区间与首尾都有重叠，所以闭合点实际上对应两个不同的参数值。如果你希望用户拖动控制点时，接缝位置不产生畸变，建议结合需求做参数域的平移处理。好在大多数应用场景（比如路径绘制）不需要那么精细，直接用上面的方案即可。
6. 实操中的常见问题与排查实录
6.1 典型坑位与解决办法速查表
做曲线算法，细节就是魔鬼。我把自己踩过的坑整理成一张表，方便读者直接对照排查。
| 现象 | 可能原因 | 排查与解决办法 |
|---|---|---|
| 曲线在端点处不经过控制点 | 节点向量没有clamped（首尾未重复p+1次） | 检查首尾各是否有4个0和4个1 |
| 运行崩溃，除零错误 | 节点向量中存在分母为零的情况 | 在基函数和de Boor的除法前加epsilon判断 |
| 曲线局部不光滑，有折角 | 内部节点重复度超过1 | 正常B样条应避免内部节点重复 |
| 参数u=1处求值异常 | FindSpan右边界处理缺失 | 对u>=knots[n+1]的情况单独返回n |
| 移动控制点但整段都不变 | 控制点索引取错了范围 | 局部支撑区间是[u_i, u_{i+p+1}]，检查FindSpan返回值 |
| 导矢方向反了或长度异常 | 导矢公式中分母用错 | 一阶导Q_i用knots[i+p+1]-knots[i+1]，不是knots[i+p] |
6.2 基函数递归的性能陷阱
虽然三次B样条的基函数递归深度只有3层，性能问题不大，但它有一个隐患：每次调用BasisFunction都会从k=0开始重新递归，而且同一个u会多次调用。如果要批量生成曲线上几千个采样点，性能就很浪费了。
有没有优化方案？有。de Boor算法本身就是优化过的，我用它做PointAt的求值，这部分性能没问题。但DerivativeAt里需要循环调用基函数，此时开销会明显上升。对于三次B样条这种低次场景，一个可选的优化是直接把三阶基函数展开成关于u的多项式（解析式），这样一次调用只需几次乘法和加法，性能提升一个数量级。代价是代码可读性会变差，看你的取舍了。
6.3 数值精度的最后一道防线
曲线算法对数值误差非常敏感。我的经验是：所有涉及浮点数比较的地方，都要加一个很小的epsilon。判断某个参数是否落在给定区间时，不要用u >= knots[i]的严格比较，而是用u + 1e-12 >= knots[i]。判断一个点是否重合时，用距离平方比较而不是直接判等。这些细节看着琐碎，但在曲线求交、碰撞检测等下游环节，浮点误差会被不断放大，最后表现为"曲线明明看着相交了却检测不出来"这类诡异问题。
另外，我强烈建议在做完核心计算后，额外保存一份高精度中间结果用于调试。比如把基函数值和曲线点同时输出，与已知的测试数据比对。这比无限打日志更快定位问题。
结尾
我个人实际调试曲线算法这么多次，最大的体会就是：B样条的功能强大，但它的各种优良性质都是有条件的。局部支撑性依赖正确的节点向量，端点插值依赖clamped结构，连续性依赖内部节点不重复。任何一个环节出问题，曲线的表现都会悄悄变坏，而且不会马上崩——只会表现为"哪里怪怪的但说不上来"。所以如果你的曲线表现异常，建议优先返工检查节点向量和FindSpan边界条件这两个最基础的部分，大部分问题都出在这两个地方。
最后分享一个小技巧：当你验证自己的实现时，不要只在控制点上做文章，试着把曲线采样点和理论值一起可视化对比。比如控制点构成正方形的情况，三次B样条应该在这个正方形内光滑过渡，偏差太大说明算法有索引问题。这种可视化验证，比盯着代码干想效率高得多。希望这篇文章能让你少走些弯路，把时间花在真正的创意和设计上。
