python - 使用python插值稀疏网格（最好是scipy）

Question

我有一个大（2000 x 2000）像素网格，其值仅在某些（x，y）坐标处定义。例如，它的简化版本如下所示：

-5-3--
---0--
-6--4-
-4-5--
---0--
-6--4-

如何进行线性插值或最近邻插值，以便在网格中的每个位置都有一个定义的值。

Answer 1

使用 Scipy 函数：

import numpy as np
from scipy.interpolate import griddata # not quite the same as `matplotlib.mlab.griddata`

grid = np.random.random((10, 10))
mask = np.random.random((10, 10)) < 0.2

points = mask.nonzero()
values = grid[points]
gridcoords = np.meshgrid[:grid.shape(0), :grid.shape(1)]

outgrid = griddata(points, values, gridcoords, method='nearest') # or method='linear', method='cubic'

Answer 2

这是我的尝试。

import numpy as np
from matplotlib.mlab import griddata

##Generate a random sparse grid
grid = np.random.random((6,6))*10
grid[grid>5] = np.nan

## Create Boolean array of missing values
mask = np.isfinite(grid)

## Get all of the finite values from the grid
values = grid[mask].flatten()

## Find indecies of finite values
index = np.where(mask==True)

x,y = index[0],index[1]

##Create regular grid of points
xi = np.arange(0,len(grid[0,:]),1)
yi = np.arange(0,len(grid[:,0]),1)

## Grid irregular points to regular grid using delaunay triangulation
ivals = griddata(x,y,values,xi,yi,interp='nn')

这就是我如何将不均匀分布的点插入到规则网格中。我没有尝试过任何其他类型的插值方法（即线性）。

Answer 3

您可以使用以下几行非常简单地获得最近邻插值：

from scipy import ndimage as nd

indices = nd.distance_transform_edt(invalid_cell_mask, return_distances=False, return_indices=True)
data = data[tuple(ind)]

其中invalid_cell_mask是未定义的数组单元的布尔掩码，data是要填充的数组。

我在Filling gaps in a numpy array 中发布了一个完整示例的答案。