我有4个校准点的x和y坐标列表。那些是没有特定顺序并且没有在任何轴上分配（它们来自具有轻微旋转和失真的真实校准图片）但是列表具有相同的索引并且无法排序以这种方式，每个列表是升序/降序。它们也没有整数值但是浮点数。我现在正试图找到给定点的四个相邻点。
E.g。寻找点[150,150]的邻居会返回[140,140]，[140,160]，[160,140]，[160,160]（除了它们实际上更像是[139.581239,138.28812]）。
目前，我必须查看每个点的所有校准点以进行检查。大约有500个校准点。
稍后在此过程中，我需要知道1600x1400网格内随机点的4个邻居数百万次。因此，尽可能快地找到这些点是至关重要的，以避免计算时间为几天甚至几周。
我的第一个方法是检查每个点的~500个校准点中的每一个以检查并查看它们与检查点的相对位置（x_calib＆gt; x和y_calib＆gt; y将位于顶部右侧区域的某个位置点）并计算它们的距离。然后，每个区域中的最近点（左上，右上，左下，右下）将是相应的邻居点。这看起来效率不高，需要花费很多时间。
第二种方法是为每个1600x1400点创建一个彩虹表并保存相应的邻居（确切地说，将索引保存在坐标列表中）。稍后，该过程将在位置[x，y，0]，[x，y，1]，[x，y，2]和[x，y，3]处检查此彩虹表以获得4个指数4个邻居点。虽然计算彩虹表需要一些时间（对于那些〜200万点，约需要20分钟），但这种方法可以加快后续处理。不幸的是，这种方法很难调试后续的流程步骤，因为在其余的工作开始之前需要花费很长时间。
我仍然认为应该有优化空间，我希望有任何建议或帮助来加快整个过程。我已经读过关于kd-tree的事情，但是没有看到在这里使用它的可能性。我希望有一种方法可以用于这种未分类（和不可分类）的点列表，这些点比彩虹表更有效 - 或者至少在创建表时更快。
提前致谢！