Python使用SymPy解决Manim曲线绘制速度不均的问题

 更新时间:2026年06月03日 08:34:00   作者:databook  
这段文章详细讲解了使用SymPy进行弧长参数化以实现参数曲线均匀绘制的技术,通过计算弧长函数、反解参数值及数值求解,实现曲线绘制节奏均匀,提升视觉体验,关键代码示例及效果展示进一步说明了方法的有效性,需要的朋友可以参考下

如果你想绘制一个参数曲线,比如:极坐标玫瑰线 r = cos(5θ)

那么思路很简单:算出曲线上的点,用 Create 一笔画出来。

但是,写完代码一渲染,问题来了:

花瓣尖端“唰”地一下就过去了,中间部分却慢吞吞的。整条曲线的绘制节奏忽快忽慢,看起来十分别扭。

问题的根源:我让参数 θ\thetaθ均匀递增,但曲线上点移动的实际距离并不是均匀的。参数变化快的地方,点就“飞”过去;参数变化慢的地方,点就“爬”过去。要让画笔匀速移动,必须让参数按照弧长均匀分布——这就是弧长参数化

手工做这件事几乎不可能:求弧长得积分,反解参数得解方程,曲线稍微复杂一点就算不动了。

好在,我们有 SymPy

1. 痛点场景还原:一个具体的例子

先看一段“有毛病”的代码,直观感受一下问题:

from manim import *
import numpy as np

class BadRoseCurve(Scene):
    def construct(self):
        axes = Axes(x_range=[-3, 3], y_range=[-3, 3])
        self.add(axes)

        # 用累积密度法生成非均匀 theta:尖端稀疏(快),中部密集(慢)
        n_points = 500
        t = np.linspace(0, 2 * PI, n_points)
        # 密度函数:在 cos(5t)=0 处(花瓣中部)密度高,在 |cos(5t)|=1 处(尖端)密度低
        density = 1 + 3 * np.sin(5 * t) ** 2
        theta = np.cumsum(density)
        theta = theta / theta[-1] * PI  # 归一化到 [0, π](k为奇数时只需π即可画完)
        r = np.cos(5 * theta)
        x = r * 2 * np.cos(theta)
        y = r * 2 * np.sin(theta)

        points = [axes.c2p(x[i], y[i]) for i in range(n_points)]
        curve = VMobject(color=PINK, stroke_width=3)
        curve.set_points_as_corners(points)

        # 用 Create 画曲线——速度明显不均匀!
        self.play(Create(curve), run_time=5, rate_func=linear)
        self.wait()

运行这个动画,你会看到:花瓣尖端几帧就画完了,而花瓣中部却画得很慢。

rate_func=linear 控制的是动画进度的均匀,但曲线本身点的分布就是疏密不均的,所以视觉速度必然忽快忽慢。

2. SymPy 解决方案:弧长参数化三步走

要让绘制速度均匀,核心思路是:生成一组让相邻点之间实际距离相等的参数值。具体分三步:

  1. 用积分算出弧长函数 L(θ)——从起点到参数 θ的弧长
  2. 算总弧长,等分出一组目标弧长值 s1,s2,...s_1, s_2, ...s1,s2,...
  3. 对每个Si,反解方程L(θ)=Si,得到对应的 θi

这三步,SymPy 都能帮上忙。

2.1 用 SymPy 推导弧长函数

import sympy as sp

theta = sp.Symbol('theta', real=True)
n = 5  # 五瓣玫瑰线

# 极坐标方程(注意这里放大了2倍,与痛点代码中的 r*2 保持一致)
r = 2 * sp.cos(n * theta)

# 极坐标 → 直角坐标(符号推导,零误差)
x = r * sp.cos(theta)  # x = r(θ)·cos(θ)
y = r * sp.sin(theta)  # y = r(θ)·sin(θ)

# 弧长微元:ds/dθ = sqrt((dx/dθ)² + (dy/dθ)²)
dx_dtheta = sp.diff(x, theta)
dy_dtheta = sp.diff(y, theta)

# 弧长微元表达式(注意:这里不算积分,只保留被积函数)
ds_dtheta = sp.sqrt(dx_dtheta**2 + dy_dtheta**2)
print("弧长微元 ds/dθ =", sp.simplify(ds_dtheta))

# 运行结果:
'''
弧长微元 ds/dθ = 2*sqrt((2*sin(4*theta) + 
                     3*sin(6*theta))**2 + 
                     (2*cos(4*theta) -
                     3*cos(6*theta))**2)
'''

SymPy 会输出一个椭圆积分形式的表达式——这是正常的,很多曲线的弧长都没有初等表达式。

没关系,数值求解一样好用。

2.2 用 nsolve 反解等弧长参数点

import numpy as np
from scipy.integrate import quad
from scipy.optimize import bisect  # 数值求根,稳定且快

# 把弧长微元转成可数值计算的函数
ds_func = sp.lambdify(theta, ds_dtheta, 'numpy')

# 数值弧长函数:L(t) = ∫₀^t ds
def arc_length(t):
    """计算从 0 到 t 的弧长"""
    result, _ = quad(ds_func, 0, t, limit=100)
    return result

# 计算总弧长
total_length = arc_length(2 * np.pi)
print(f"总弧长: {total_length:.4f}")

# 等分弧长,用数值求根反解对应的 theta
N = 500
s_values = np.linspace(0, total_length, N)
theta_vals = []

# 辅助函数:f(t) = L(t) - s,我们要找 f(t)=0 的根
def f(t, s):
    return arc_length(t) - s

for i, s in enumerate(s_values):
    if i == 0:
        theta_vals.append(0.0)  # s=0 对应 theta=0
        continue

    # 初始搜索区间:用上一个 theta 作为左边界
    # 弧长是单调递增的,所以解一定在 [左边界, 右边界] 之间
    left = theta_vals[-1]  # 上一个已解出的 theta
    right = left + 0.5     # 向右扩展,足够覆盖下一个等分点

    # 扩展右边界直到 f(right, s) > 0(确保根在区间内)
    while f(right, s) < 0:
        right += 0.5

    # 二分法求根(稳定、快速)
    sol = bisect(f, left, right, args=(s,), xtol=1e-8)
    theta_vals.append(float(sol))

theta_vals = np.array(theta_vals)

代码要点

  • sp.lambdify 把符号表达式编译成 NumPy 函数,求值快
  • sp.nsolve 数值解方程,给定一个好猜测值能显著加速
  • 猜测值用“弧长占比 × 总参数范围”做线性估计,足够接近真实解

3. Manim 联动实战

把上面的计算和 Manim 动画串起来,就是一份完整可运行的代码:

from manim import *
import numpy as np
import sympy as sp
from scipy.integrate import quad
from scipy.optimize import bisect

class UniformRoseCurve(Scene):
    def construct(self):
        # ===== SymPy + 数值积分计算等弧长参数点 =====
        theta = sp.Symbol("theta", real=True)
        n = 5

        # 极坐标方程 r = 2*cos(5θ)
        r = 2 * sp.cos(n * theta)

        # 极坐标转直角坐标
        x_expr = r * sp.cos(theta)
        y_expr = r * sp.sin(theta)

        # 弧长微元
        dx = sp.diff(x_expr, theta)
        dy = sp.diff(y_expr, theta)
        ds_dtheta = sp.sqrt(dx**2 + dy**2)

        # 数值弧长函数
        ds_func = sp.lambdify(theta, ds_dtheta, "numpy")

        def arc_length(t):
            val, _ = quad(ds_func, 0, t, limit=100)
            return val

        # 总弧长(k为奇数时只需π即可画完)
        total_len = arc_length(np.pi)
        print(f"总弧长: {total_len:.4f}")

        # 用二分法反解等弧长 theta(速度快)
        N = 500
        s_vals = np.linspace(0, total_len, N)
        theta_vals = [0.0]

        def f(t, s):
            return arc_length(t) - s

        for i in range(1, N):
            s = s_vals[i]
            left = theta_vals[-1]
            right = left + 0.5
            # 扩展右边界直到 f(right) > 0
            while f(right, s) < 0:
                right += 0.5
            sol = bisect(f, left, right, args=(s,), xtol=1e-8)
            theta_vals.append(float(sol))

        theta_vals = np.array(theta_vals)

        # 计算直角坐标点
        x_func = sp.lambdify(theta, x_expr, "numpy")
        y_func = sp.lambdify(theta, y_expr, "numpy")

        # ===== Manim 动画 =====
        axes = Axes(x_range=[-3, 3], y_range=[-3, 3])
        self.add(axes)

        points = []
        for t in theta_vals:
            px = float(x_func(t))
            py = float(y_func(t))
            points.append(axes.c2p(px, py))

        curve = VMobject(color=PINK, stroke_width=3)
        curve.set_points_as_corners(points)

        self.play(Create(curve), run_time=5, rate_func=linear)
        self.wait()

4. 效果展示说明

运行 UniformRoseCurve,对比之前的 BadRoseCurve,差异一目了然:

  • 绘制过程均匀流畅:粉色线条以恒定速度从起点生长到终点,花瓣尖端不再“闪现”,花瓣中部也不再“拖沓”。整条曲线在 10 秒内被平稳地画完,节奏非常舒服。
  • 同一曲线,两种体验BadRoseCurve 由于刻意在花瓣中部堆了 3 倍密度,视觉上画笔会在那里明显减速;而弧长参数化版本抹平了所有速度波动,让 rate_func=linear 真正发挥作用。
  • 弧长参数化的本质:虽然 theta_vals 的数值分布是不均匀的(花瓣尖端附近 θ 变化慢,中部变化快),但映射到平面后,相邻点之间的实际距离完全相等。这就是“均匀”的真正含义——空间上的均匀,而非参数上的均匀

5. 本期小结

  • 问题本质:均匀参数 ≠ 均匀弧长,直接用均匀参数画曲线必然速度不均。
  • 解决思路:弧长参数化——先算弧长函数,再反解出等弧长分布的参数点。
  • SymPy 的角色
    • sp.diff → 求导得弧长微元
    • sp.integrate → 算弧长函数
    • sp.nsolve → 反解参数值
    • sp.lambdify → 表达式转数值函数,高效求值
  • Manim 中的用法:把等弧长点集喂给 VMobject.set_points_as_corners(),再用 Create + rate_func=linear,即可实现真正匀速的曲线绘制。

以上就是Python使用SymPy解决Manim曲线绘制速度不均的问题的详细内容,更多关于Python SymPy解决Manim绘制速度不均的资料请关注脚本之家其它相关文章!

相关文章

  • Pytorch实现tensor序列化和并行化的示例详解

    Pytorch实现tensor序列化和并行化的示例详解

    这篇文章主要介绍了Pytorch实现tensor序列化和并行化,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,感兴趣的同学们下面随着小编来一起学习学习吧
    2023-12-12
  • Python 中 Selenium 的 send_keys() 函数用法小结

    Python 中 Selenium 的 send_keys() 函数用法小结

    send_keys() 是将数字、文本和符号等键盘输入发送到应用程序的文本框的过程, send_keys() 是 WebDriver 的一部分,每个键盘输入都会发送到此元素,这篇文章主要介绍了Python 中 Selenium 的 send_keys() 函数,需要的朋友可以参考下
    2023-11-11
  • 使用python连接Linux服务器发送指定命令的示例代码

    使用python连接Linux服务器发送指定命令的示例代码

    这篇文章主要介绍了使用python连接Linux服务器发送指定命令,首先安装paramiko库,使用paramiko库连接linux,使用paramiko库上传下载文件,结合示例代码给大家介绍的非常详细,需要的朋友可以参考下
    2023-10-10
  • 基于Python开发Office文档图片提取器

    基于Python开发Office文档图片提取器

    这篇文章主要为大家详细介绍了一个基于PyQt5开发的桌面应用,可以实现Office文档图片提取功能,文中的示例代码讲解详细,需要的可以参考一下
    2025-01-01
  • python爬虫 爬取超清壁纸代码实例

    python爬虫 爬取超清壁纸代码实例

    这篇文章主要介绍了python爬虫学习 爬取超清壁纸代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08
  • 用Python给文本创立向量空间模型的教程

    用Python给文本创立向量空间模型的教程

    这篇文章主要介绍了用Python给文本创立向量空间模型的教程,比如文中举例将文本中的词频转为量化的矩阵,需要的朋友可以参考下
    2015-04-04
  • Python的scikit-image模块实例讲解

    Python的scikit-image模块实例讲解

    在本篇文章里小编给大家整理了一篇关于Python的scikit-image模块实例讲解内容,有需要的朋友们可以学习下。
    2020-12-12
  • python中sort()和sorted()的区别及用法实例

    python中sort()和sorted()的区别及用法实例

    我们通常会遇到对数据库中的数据进行排序的问题,下面这篇文章主要给大家介绍了关于python中sort()和sorted()的区别及用法的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2022-06-06
  • Python学习Turtle库画对称勾股树体会分形惊艳

    Python学习Turtle库画对称勾股树体会分形惊艳

    这篇文章主要为大家介绍了Python学习中如何使用Turtle库画对称勾股树,从而体会到分形世界的惊艳,文中附含详细示例代码有需要的朋友可以借鉴参考下
    2021-09-09
  • python爬虫学习笔记--BeautifulSoup4库的使用详解

    python爬虫学习笔记--BeautifulSoup4库的使用详解

    这篇文章主要介绍了Python中使用Beautiful Soup库的超详细教程,示例代码基于Python2.x版本,极力推荐!需要的朋友可以参考下
    2021-08-08

最新评论