插值重新采样大的不规则矩阵或表面数据点到规则网格

Question

我在伟大的SciPy提供的所有插值方法中迷失了，并且找不到适用于我的情况的最佳方法。

我在矩阵中有数百万个XYZ点，它们在点（单元格）之间具有不同的间隔，并且也是旋转的。通常是大的数据集，这些数据集位于常规和散乱表示表面之间，我需要将其转换为常规网格以进行进一步分析。

我需要快速的东西，但要创造平滑的表面，这是尊重点的价值。在GIS软件中，我喜欢最多样条函数，但工具运行速度太慢，而这就是我转向SciPy的地方。线性/ Delaunay三角测量也是可以接受的，但我更喜欢更光滑的表面。

我尝试过并且真的喜欢SciPy Rbf，但是它死了很多点。也许把文件制作成更小的瓷砖而不是合并回来？

Answer 1

到目前为止，我找到的最佳解决方案是使用带有线性插值的griddata通过matplotlib.mlab完成。

import matplotlib.mlab as ml
zi = ml.griddata(x,y,z,xi,yi,interp='linear') 

<强>更新 另外两项改进。我意识到matplotlib.mlab griddata与scipy.interpolate griddata并不完全相同，第二个更适合我的情况。此外，我的坐标是数百万，对于大网格来说，这会导致严重的问题（对于潜在的Qhull库），因此最好将所有坐标移近原点并在计算后移回。

from scipy.interpolate import griddata
x -= shift_x
y -= shift_y
zi = griddata((x,y),z,(xi,yi),method='linear')
xi += shift_x
yi += shift_y