假设我有 n 个点定义 z 轴上的表面
f(x1,y1) = 10
f(x2,y2) = 12
f(x3,y3) = 5
f(x4,y4) = 2
...
f(xn,yn) = 21
现在我希望能够近似 f(x,y)。我正在寻找一种线性算法,尤其是样条近似算法。一个示例算法或至少一些指针会很棒。
这是对进行线性近似的方法的模糊描述。
(x_i,y_i)
)(x_i,y_i)
,(x_j,y_j)
如果有一条线段的点,那么(x_i,y_i)
和(x_j,y_j)
是等距的(并且比任何其他对更近)。下面实现了 Python 中的前两个步骤。网格的规律性可能会让你加快速度(它也可能会打乱三角测量)。
import itertools
""" Based on http://stackoverflow.com/a/1165943/2336725 """
def is_ccw(tri):
return ( ( tri[1][0]-tri[0][0] )*( tri[1][1]+tri[0][1] )
+ ( tri[2][0]-tri[1][0] )*( tri[2][1]+tri[1][1] )
+ ( tri[0][0]-tri[2][0] )*( tri[0][1]+tri[2][1] ) ) < 0
def circumcircle_contains_point(triangle,point):
import numpy as np
matrix = np.array( [ [p[0],p[1],p[0]**2+p[1]**2,1] for p in triangle+point ] )
return is_ccw(triangle) == ( np.linalg.det(matrix) > 0 )
triangulation = set()
"""
A triangle is in the Delaunay triangulation if and only if its circumscribing
circle contains no other point. This implementation is O(n^4). Faster methods
are at http://en.wikipedia.org/wiki/Delaunay_triangulation
"""
for triangle in itertools.combinations(points,3):
triangle_empty = True
for point in points:
if point in triangle:
next
if circumcircle_contains_point(triangle,point):
triangle_empty = False
break
if triangle_empty:
triangulation.add(triangle)
对不规则 2D 数据进行插值并不容易。我知道没有真正的样条泛化到不规则的二维。
除了基于三角测量的方法之外,您还可以查看 Barnes ( http://en.wikipedia.org/wiki/Barnes_interpolation ) 和反距离加权 ( http://en.wikipedia.org/wiki/Inverse_distance_weighting ),或者更一般地说,RBF(http://en.wikipedia.org/wiki/Radial_basis_functions)。
如果您的点非常不均匀地分布(密集簇),则可能有必要使函数的大小自适应,或者求助于近似而不是插值。