PCHIP和样条插值差在哪？一文讲透

MATLAB里做插值，你是不是只会用spline？2026年了，PCHIP（保形分段三次Hermite插值）这个函数被严重低估了。它跟spline的核心区别就一句话：spline追求光滑，PCHIP追求保形。数据有尖峰、有平台、有单调区间，用spline一插就出震荡，用PCHIP就老老实实跟着数据走。这篇把PCHIP的原理和实操全部拆开。

PCHIP到底是什么？跟普通三次插值有啥不一样

PCHIP全称Piecewise Cubic Hermite Interpolating Polynomial，翻译过来就是保形分段三次Hermite插值。名字很长，但原理不复杂。

普通的三次插值在每个子区间上构造一个三次多项式，要求函数值和一阶导数都连续。听起来没问题对吧？但问题出在节点处的导数怎么选。选得不好，插值曲线就会在数据点之间"过冲"（overshoot），明明数据是单调递增的，插出来的曲线中间鼓个包，这在工程上是不能接受的。

PCHIP的核心就是一套选导数的规则，确保插值曲线不会产生过冲。具体来说：数据单调的区间，插值结果也单调；数据有局部极值的点，插值结果也保留极值。这就是"保形"（shape-preserving）的含义。

2026年的MATLAB里，pchip函数的输入很简单：pchip(x, y, xx)，x是节点横坐标，y是节点纵坐标，xx是你要插值的点。输出就是xx处的插值结果。底层返回的是一个分段多项式结构（pp form），可以用ppval求值，也可以用unmkpp拆开看系数。

PCHIP节点处的斜率怎么算？这是核心

PCHIP跟spline最大的区别，就在于节点处的一阶导数（斜率）怎么算。

spline用的是让二阶导数连续的方法，结果曲线非常光滑，二阶导数处处连续。但代价是什么？数据如果不够光滑，spline就会在数据点之间产生振荡。你拿一组阶梯状的数据去跑spline，中间一定会出现波浪。

PCHIP不追求二阶导数连续，只保证一阶导数连续。它用的是Fritsch-Carlson算法（1980年提出的），核心逻辑是这样的：

先算每个区间的一阶差商del(k) = (y(k+1) - y(k)) / (x(k+1) - x(k))。这就是相邻两点连线的斜率。

然后看相邻两个差商del(k-1)和del(k)的符号。如果符号相同，说明数据在这个节点附近是单调的，那节点处的斜率就取这两个差商的加权平均。权重跟区间长度有关：区间短的权重大，区间长的权重小。公式是d(k) = (w1 * del(k-1) + w2 * del(k)) / (w1 + w2)，其中w1 = h(k) + hs，w2 = hs + h(k+1)，hs = h(k) + h(k+1)。

如果符号相反，或者其中一个为0，说明这个节点附近数据有极值，直接把斜率设为0。斜率为0意味着曲线在这里是平的，极值就保住了。

端点处的斜率用的是三点公式，不是中心差分。左端点：d(1) = ((2*h1 + h2) * del1 - h1 * del2) / (h1 + h2)。右端点类似。然后再做一次保形检查：如果算出来的斜率跟差商符号不一致，或者绝对值超过3倍差商，就强制修正。

这套规则保证了一件事：插值曲线永远不会在单调区间里出现极值，永远不会过冲。

PCHIP和Spline实战对比：什么时候用哪个

光说原理没用，跑个例子你就明白了。

拿这组数据：x = -3:3，y = [-1 -1 -1 0 1 1 1]。这是一个典型的阶梯加斜坡的形状，左边平台-1，中间从-1升到1，右边平台1。

用spline插值，曲线在-1到0和0到1的过渡区会出现明显的过冲，峰值超过1，谷值低于-1。用PCHIP插值，曲线老老实实从-1升到1，中间不会超出数据范围，平台就是平台，斜坡就是斜坡。

2026年我做过一个实际项目，处理传感器采集的温度数据。数据有明显的平台段（恒温区间）和尖峰（启动瞬间）。用spline插出来的曲线在恒温段出现了0.3度的虚假波动，直接导致后续的控制算法误判。换成PCHIP，平台段完全平坦，尖峰处也没有过冲，问题就解决了。

什么时候用spline？数据本身就是光滑函数的采样值，比如正弦波、高斯曲线，spline的二阶导数连续会让曲线更漂亮，精度也更高。

什么时候用PCHIP？数据有平台、有尖峰、有单调区间，你不希望插值曲线"自作聪明"地加震荡。工程数据、金融数据、传感器数据，大部分情况下PCHIP比spline更靠谱。

还有一个性能差异：PCHIP建模的计算量比spline小，因为不用解三对角方程组。数据量超过10万个点的时候，PCHIP的速度优势就很明显了。

MATLAB里跑PCHIP的实操步骤

别光看原理，动手跑一遍。

第一步，准备数据。x = linspace(0, 10, 11)，y = [0 0 0 0 1 2 3 3 3 3 3]。这组数据有平台、有斜坡、有平台。

第二步，定义插值点。xx = linspace(0, 10, 200)，密度拉高一点，曲线更平滑。

第三步，分别跑PCHIP和spline。yy_pchip = pchip(x, y, xx)，yy_spline = spline(x, y, xx)。

第四步，画图对比。plot(x, y, 'o', xx, yy_pchip, xx, yy_spline)，legend('原始数据', 'PCHIP', 'Spline')。

你会看到spline在y=0到y=1的过渡区有一个明显的下冲，最低点大概到-0.15。PCHIP完全没有，曲线从0直接升到1，干干净净。

再试一个端点场景。x = [0 1 2 3]，y = [0 1 0 1]。数据在上下震荡。spline会在1到2之间画出一个光滑的下凹曲线，最低点大概0.4。PCHIP呢？在x=1和x=2处斜率直接设为0，曲线在中间是平的，保持了数据的极值特征。

这就是保形的意义。你的数据长什么样，插值结果就什么样，不多不少。

PCHIP这个函数在MATLAB里藏得不深，但真正理解它的人不多。2026年了，数据插值不是只有spline一条路。保形分段三次Hermite插值的核心价值就一句话：不制造数据里不存在的特征。平台就是平台，极值就是极值，单调就是单调。下次拿到工程数据不知道用什么插值方法的时候，先跑一遍PCHIP，大概率比spline更适合你的场景。

武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks 等。