问题标签 [spatial-interpolation]

我正在开发一种工具，可以让您在 3d“体积”上圈出/包围事物。我想通过标记“切片”1 和 3 并从该信息中“填充”切片 2 来节省时间。

两个简单的解决方案是：

这些都可以而且很快，但我更愿意通过使形状在两者之间进行某种平均/插值来做一些更智能的事情。你可以把它想象成试图找到连接平面的悬崖面和空中的某个高原。

示例：从这个 3d 矩阵中填充切片 2-4。（使用创建montage）

随意提出全新的想法。到目前为止，我将把我的想法放在下面。

我想到的一些东西可能会帮助你，回答者，但我无法成功使用。
- 您可以对每个图像进行 bwperim。
- 您可以尝试“平均”图像（或加权平均）。

到目前为止我得到的最好的：

添加图像。给你重叠和两个周长： - 一个
内周（里面肯定是 1）
- 和一个外周（里面是有问题的）。
您还可以对 >0 AND <2 的区域进行遮罩，这是该可疑区域的遮罩。
在两周边图像上运行 abwdist并遮罩：

不过，不知道如何从这里出发。沿着该区域采用“最大”轮廓的线会起作用，但我不确定如何稳健地做到这一点。

欢迎任何关于修复我的想法或任何其他想法的想法！

谢谢。

我有一张图片，其中包含一组相同的对象，这些对象被放置在一个规则的网格模型中。这些物体的数量是未知的。

我需要以一种非常准确的方式找到该组对象的边界矩形，然后生成它们给出的网格。我可以使用模式匹配技术在图像中找到很多（但通常不是全部）这些对象，所以我也有高精度的角坐标。

因此，给定一些（例如，95%）的角坐标，其中丢失的坐标是随机分布的，我需要“插值”网格。

我正在考虑按行和列进行线性回归，但如果旋转网格，它似乎会变得非常复杂。

是否有一些特定/更通用的网格查找算法可以适合我的问题？

感谢您的关注。

我有不均匀定位的图像样本，并且想插入到规则网格，因为（除其他外）大多数图像图形函数都需要规则网格。我注意到有一些 MatLab 函数（例如，请参见随机像素的图像插值）显然可以做到这一点，但找不到可以做到的 R 包。
这是一个简单的例子。

所以 的值inmat在随机位置。我想要某种outmat<-interpolate(inmat,x,y,gridx,gridy)函数，其中inmat,x和y都是矩阵或所有向量（展开矩阵）。

我还看到 SciPy 有http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.interp2d.html可以做到这一点。包中是否有这样的功能，R还是我需要移植SciPy或MatLab编码？

我用布尔数组标记图像上的坏像素。坏像素的值为 True，而好的像素的值为 False。我将此例程用于各种图像，没有一个具有相同的尺寸。我使用的代码是：

这里 x 和 y 具有独特轴的尺寸。在某些图像上效果很好，但在其他图像上我得到：

我也尝试过 interpolate.interp2d 但它需要一个方形数组。可能是什么解决方案？

你们中有人知道 Python 中用于二维轮廓的高阶插值方法（Catmull-Rom 样条、三次插值等）吗？

Skimage、Matplotlib 和 OpenCV 分别提供函数 measure.find_contours()、contours() 和 findContours()，但都是基于线性插值（也称为行进正方形），我正在研究 Python 中精度更高的东西，最好。任何指针将不胜感激。

https://www.dropbox.com/s/orgr2yqhbbk2xnr/test.PNG

在上图中，我试图从 f(x,y)=x^3+y^3 的标量场中提取等值 25。我正在寻找比线性插值给出的 6 个红点精度更高的 6 个点。

到目前为止，我使用了 3 个循环来构建一个矩阵，但是需要很长时间，我想将它向量化。但要么这是不可能的，要么我采取了错误的方式来做到这一点。无论如何，我在墙前，我需要你的帮助。

这是循环：

fx_mat 是一个(1000,120,31)矩阵，31是为AngleList对应的31个元素。

我首先尝试做的是用我的数据创建矩阵：

我要换？？？？相当于interp1，但我找不到它。

你有什么想法可以帮助我吗？

PS：在新的一年里，你们所有人都有很多美好的想法。

萨拉姆我遇到了关于在 MATLAB 中赋值的问题。我有一个 5x5 的图像，我想在 delaunay 三角剖分中使用表面近似将其大小增加 2 我使用二元多项式进行插值，对于每个三角形，现在计算 9 个常数我必须定义一个新网格并找到网格点的位置在三角测量中，然后使用这些常量来计算新坐标上的像素值，但是为非整数坐标计算的像素值不能分配给新图像

我有不同位置（X1，X2，...）的温度数据的每日平均值，我想用它们插值地图。我通过从格式化的 excel 表中加载它们来创建一个长格式数据对象，例如：

X1，X2，...位置的纬度经度相同：

我将它们合并为长格式：

和

我可以使用 spplot 将它们绘制在正确的位置，包括国家边界：

我想在一天的观察中使用 IDW，但是我发现的包（例如 gstat）中的 idw 方法需要其他“网格化”数据对象。我如何创建这样的数据对象以便用这样的方法对它们进行插值？

我的数据结构如下：

我正在使用autoKrige()R 中 automap 包中的函数为我使用以下代码定义的网格生成插值：

要进行插值，我使用以下代码：

该代码似乎有效。现在，我想使用over()sp 包中的函数从插值网格的指定单元格中提取预测。我尝试使用以下代码来完成此操作：

但是这段代码产生了一个充满 NA 值的矩阵。这可能是因为kr.grid$krige_outputis aSpatialPointsDataFrame而不是 a SpatialPixelsDataFrameor SpatialGridDataFrame。

有人对如何解决这个问题有任何建议吗？它可以像转换kr.grid$krige_output为 aSpatialPixelsDataFrame或 a一样简单SpatialGridDataFrame。不幸的是，我不知道该怎么做。

我一直在努力为我的二维矩阵中的“空”像素插入数据。基本上，我了解（但不深入）插值技术，例如反距离加权、克里金法、双三次等。我不确切知道起点（在问题陈述或 Python 案例中）。

问题定义： 我有 MxN 矩阵（规则网格），其中每个像素代表一定的测量值（下图和该图中使用的数据在 这里）。我想使用我拥有的现有数据作为蓝色像素来插入“问号空间”（空白区域也由相同大小但空的像素组成）区域的数据。

我的问题：

1）如何插入这些数据。谁能给我一个简单的例子（例如 3x3 矩阵）来清楚地理解这一点？

2) 谁能指导我如何在 Python 环境中执行解决方案的步骤？

3) 如何使用 Python 比较精度意义上的插值技术？

4) 你认为根据数据的密度使用不同的插值是个好主意吗？

我将感谢您的回答和建议。