Интерполируйте 2D или 3-D данные, имеющий разброс
vq = griddata(x,y,v,xq,yq)(x,y,v). griddata функция интерполирует поверхность в точках запроса, заданных (xq,yq) и возвращает интерполированные значения, vq. Поверхность всегда точки проходов через данные задана x и y.
vq = griddata(___,method)vq использование любого из входных параметров в предыдущих синтаксисах. method может быть 'linear'самый близкий, 'natural', 'cubic', или 'v4'. Методом по умолчанию является 'linear'.
Qhull-специфичные опции больше не поддерживаются. Удалите options аргумент от всех экземпляров в вашем коде, которые передают его griddata.
В будущем релизе, griddata не примет входных векторов смешанной ориентации. Кроме того, следующие синтаксисы будут удалены:
[Xq,Yq,Vq] = griddata(x,y,v,xq,yq)
[Xq,Yq,Vq] = griddata(x,y,v,xq,yq, method)ndgrid или meshgrid прежде, чем вызвать griddata.
Интерполируйте случайным образом данные, имеющий разброс по регулярной координатной сетке точек запроса.
Произведите функцию в 200 случайных точках между -2.5 и 2.5.
xy = -2.5 + 5*gallery('uniformdata',[200 2],0);
x = xy(:,1);
y = xy(:,2);
v = x.*exp(-x.^2-y.^2);xY, и v векторы, содержащие, рассеял (неоднородные) точки выборки и данные.
Задайте обычную сетку и интерполируйте данные, имеющий разброс по сетке.
[xq,yq] = meshgrid(-2:.2:2, -2:.2:2); vq = griddata(x,y,v,xq,yq);
Отобразите данные с координатной сеткой на графике как mesh и данные, имеющий разброс как точки.
mesh(xq,yq,vq) hold on plot3(x,y,v,'o') xlim([-2.7 2.7]) ylim([-2.7 2.7])
Интерполируйте 3-D срез функции 4-D, которая производится в случайным образом рассеянных точках.
Произведите функцию 4-D в 2 500 случайных точках между -1 и 1. Векторы xY, и z содержите неоднородные точки выборки.
x = 2*rand(2500,1) - 1; y = 2*rand(2500,1) - 1; z = 2*rand(2500,1) - 1; v = x.^2 + y.^3 - z.^4;
Задайте обычную сетку с точками xy в области значений [-1, 1], и установите . Интерполяция на этой сетке 2D точек запроса (xq,yq,0) производит 3-D интерполированный срез (xq,yq,0,vq) из 4-D набора данных (x,y,z,v).
d = -1:0.05:1; [xq,yq,zq] = meshgrid(d,d,0);
Интерполируйте данные, имеющий разброс по сетке. Постройте график результатов.
vq = griddata(x,y,z,v,xq,yq,zq); plot3(x,y,v,'ro') hold on surf(xq,yq,vq)
Сравните результаты нескольких различных алгоритмов интерполяции, предлагаемых griddata.
Создайте набор выборочных данных 50 рассеянных точек. Число точек искусственно мало, чтобы подсветить различия между методами интерполяции.
x = -3 + 6*rand(50,1); y = -3 + 6*rand(50,1); v = sin(x).^4 .* cos(y);
Создайте сетку точек запроса.
[xq,yq] = meshgrid(-3:0.1:3);
Интерполируйте выборочные данные с помощью 'nearest', 'linear', 'natural', и 'cubic' методы. Постройте результаты для сравнения.
z1 = griddata(x,y,v,xq,yq,'nearest'); plot3(x,y,v,'mo') hold on mesh(xq,yq,z1) title('Nearest Neighbor') legend('Sample Points','Interpolated Surface','Location','NorthWest')
z2 = griddata(x,y,v,xq,yq,'linear'); figure plot3(x,y,v,'mo') hold on mesh(xq,yq,z2) title('Linear') legend('Sample Points','Interpolated Surface','Location','NorthWest')
z3 = griddata(x,y,v,xq,yq,'natural'); figure plot3(x,y,v,'mo') hold on mesh(xq,yq,z3) title('Natural Neighbor') legend('Sample Points','Interpolated Surface','Location','NorthWest')
z4 = griddata(x,y,v,xq,yq,'cubic'); figure plot3(x,y,v,'mo') hold on mesh(xq,yq,z4) title('Cubic') legend('Sample Points','Interpolated Surface','Location','NorthWest')
Постройте точное решение.
figure plot3(x,y,v,'mo') hold on mesh(xq,yq,sin(xq).^4 .* cos(yq)) title('Exact Solution') legend('Sample Points','Exact Surface','Location','NorthWest')
Интерполяция данных, имеющий разброс с griddata использует Триангуляцию Делоне данных, так может быть чувствительно к масштабированию проблем в xY, и z. Когда это происходит, можно использовать normalize повторно масштабировать данные и улучшить результаты. Смотрите Нормируют Данные с Отличающимися Величинами для получения дополнительной информации.