逐点比较法直线插补：从原理到代码实现
逐点比较法，这个名字听起来有点学术，但说白了就是「走一步看一步」。每次只走一个脉冲当量，走完就停下来看看当前位置在目标直线的哪一侧，然后决定下一步往哪走。我在刚入行时觉得这方法太笨了，后来在数控机床上调了几个月才发现——这种「笨办法」恰恰是最可靠、最不容易丢步的。
基本原理
想象一下，你站在一个网格纸上，要从起点 (0,0) 走到终点 (Xe,Ye)。每次只能沿 X 或 Y 方向走一格。逐点比较法的核心逻辑就三步：
- 偏差判别：算一下当前点相对于目标直线是偏了还是正了
- 坐标进给：根据偏差方向，决定走 X 还是走 Y
- 终点判别：看看走完了没，没完就回到第一步
你想想看，这其实就是一个闭环的反馈过程。每一步都在「比较-决策-执行-检查」这个循环里转。
核心思想：用折线逼近直线，每一步的误差不超过一个脉冲当量。对于大多数工业应用来说，这个精度已经足够了。
偏差计算公式推导
这里我直接说结论，但也会把推导过程给你讲清楚。设当前点为 P(x,y)，目标终点为 E(Xe,Ye)。
直线方程可以写成：
Xe * y - Ye * x = 0那么偏差 F 就定义为：
F = Xe * y - Ye * x为什么会这样定义？因为当 P 在直线上时，F = 0；P 在直线上方时，F > 0；P 在直线下方时，F < 0。这个符号直接决定了下一步往哪走。
但问题来了——每次都要重新算乘法，太慢了。我在早期的一个项目中就踩过这个坑，CPU 算不过来，导致进给速度上不去。后来改用递推公式，效率直接翻倍。
递推公式推导：
- 如果当前 F >= 0，沿 X 正方向走一步：x+1 → x
F_new = Xe * y - Ye * (x + 1) = F - Ye- 如果当前 F < 0，沿 Y 正方向走一步：y+1 → y
F_new = Xe * (y + 1) - Ye * x = F + Xe看到了吗？每次只需要做一次加法或减法，连乘法都省了。这就是逐点比较法能在老式步进电机控制器上跑得飞快的秘密。
进给方向判定
根据偏差 F 的符号，判定规则非常直观：
| 偏差 F | 进给方向 | 说明 |
|---|---|---|
| F >= 0 | +X 方向 | 当前点在直线上方或线上，向 X 方向修正 |
| F < 0 | +Y 方向 | 当前点在直线下方，向 Y 方向修正 |
嗯，这里要注意：上面说的是第一象限的情况。其他象限的规则需要做符号变换，但原理完全一样。我习惯先把所有坐标取绝对值，统一到第一象限处理，最后再根据实际象限反转进给方向。这样代码写起来清爽很多。
终点判别方法
终点判别有两种常见做法：
- 总步数法：事先算好总步数 N = |Xe| + |Ye|，每走一步减 1，减到 0 就停
- 坐标比较法：每次判断当前坐标是否等于终点坐标
我个人推荐总步数法。为什么？因为坐标比较法在终点坐标值很大的时候，每次都要做两次比较，而且容易受累积误差影响。总步数法就一个计数器，简单粗暴，我在一个激光切割项目里用过，跑了八个小时没出过一次问题。
小技巧：总步数计数器用减法而不是加法，这样终点判别只需要判断是否为 0，比判断是否等于某个大数要快一点点。虽然现代处理器不在乎这点差异，但写代码的习惯很重要。
Python 代码实现与仿真
下面是我写的一个完整实现。代码风格偏工程化，注释写得比较详细，方便你直接拿去改。
def line_interpolation_bresenham(xe, ye):
"""
逐点比较法直线插补（第一象限）
参数:
xe, ye: 终点坐标（脉冲数）
返回:
points: 插补路径点列表
"""
points = []
x, y = 0, 0
f = 0 # 初始偏差
steps = abs(xe) + abs(ye) # 总步数
for _ in range(steps):
points.append((x, y))
if f >= 0:
# 向 X 方向进给
x += 1
f -= ye
else:
# 向 Y 方向进给
y += 1
f += xe
points.append((xe, ye)) # 确保终点被包含
return points
# 仿真测试
if __name__ == "__main__":
import matplotlib.pyplot as plt
xe, ye = 8, 5
path = line_interpolation_bresenham(xe, ye)
xs, ys = zip(*path)
plt.figure(figsize=(8, 6))
plt.plot([0, xe], [0, ye], 'r--', label='理想直线', linewidth=2)
plt.plot(xs, ys, 'b-o', label='插补路径', markersize=4)
plt.grid(True, alpha=0.3)
plt.xlabel('X 方向脉冲数')
plt.ylabel('Y 方向脉冲数')
plt.title('逐点比较法直线插补仿真')
plt.legend()
plt.axis('equal')
plt.show()
曾经踩过的坑：我在一个项目中直接用浮点数算偏差，结果累积误差越来越大，走到后半段路径明显偏了。后来全部改用整数运算，问题立刻解决。记住——逐点比较法里所有变量都应该是整数，偏差 F、坐标值、步数计数器，一个浮点都不要用。
核心逻辑流程图
下面这张图把整个流程串起来了，我建议你把它打印出来贴在工位上。
多象限处理
实际应用中，直线可能出现在任意象限。处理方法其实很简单：
- 先把终点坐标的绝对值拿出来，按第一象限算
- 进给时根据实际象限反转 X 或 Y 的方向
举个例子，终点在第二象限 (-8, 5)：
# 取绝对值处理
xe_abs, ye_abs = 8, 5
# 插补过程中
if f >= 0:
x_real -= 1 # 第二象限 X 是负方向
f -= ye_abs
else:
y_real += 1
f += xe_abs
我的习惯：写一个通用的插补函数，接收终点坐标和象限标志位。这样代码复用性高，调试也方便。别把四个象限的逻辑硬编码成四个函数，那是在给自己挖坑。
逐点比较法虽然看起来简单，但它是理解更复杂插补算法的基础。你把这个吃透了，后面学数字积分法、数据采样法都会轻松很多。代码我已经给你了，建议你跑一遍仿真，看看插补路径和理想直线的偏差到底有多大——亲眼看到的效果比任何理论都更有说服力。