![](https://cdn-ak-scissors.b.st-hatena.com/image/square/86b511892eb25d863461535b97d8605cdcf79b73/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZ0eHQ9TiVFNiVBQyVBMSVFMyU4MyU5OSVFMyU4MiVCOCVFMyU4MiVBNyVFNiU5QiVCMiVFNyVCNyU5QSVFMyU4MSVBQiVFMyU4MiU4OCVFMyU4MiU4QiVFMyU4MiVBQiVFMyU4MyVCQyVFMyU4MyU5NiVFMyU4MyU5NSVFMyU4MiVBMyVFMyU4MyU4MyVFMyU4MyU4NiVFMyU4MiVBMyVFMyU4MyVCMyVFMyU4MiVCMCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NmVjNTFhNGEyNDg3YzA2YTA3ZDNiNmY0MjMwYjZiOTY%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwQ2FydGVsZXQmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPThhOTMxZjc5NmEzZGE5MmE0MTQwOGU5OTI2MGZkMTZh%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D512213f03175f42da38161cb38bdfa11)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
N次ベジェ曲線によるカーブフィッティング - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
N次ベジェ曲線によるカーブフィッティング - Qiita
はじめに 先日,ベジェ曲線上の点ををなるべく短いコード計算するだけの記事を投稿した. 【Python】な... はじめに 先日,ベジェ曲線上の点ををなるべく短いコード計算するだけの記事を投稿した. 【Python】なるべく短くベジェ曲線 今回は,任意の $m$ 個のデータ点 $\boldsymbol{p}_i=(x_i, y_i)$ (もっと多次元でも可)に1本の $N$ 次ベジェ曲線をフィッティングしてみようと思う. 既存の記事は,3次ベジェ曲線に限定していたり,端点を固定していたり,そもそも説明と実装が対応しているかも怪しかったりするので. ベジェ曲線はデザインに多用されることからも分かるように非常に表現力が高く,癖も少ないので,多項式フィッティングのように「外挿しようとしたらフィッティング範囲外では変な値に発散していた...」「ぱっと見良さそうだけど誤差を計算すると波打ってる」みたいな現象は比較的少ないのではないかと思う(ただし外挿する場合は端点の $x$ 座標を固定してフィッティングしないと