Question

在我的应用程序中，数据数据在失真的网格上进行采样，我想将其重新采样为非失真网格。为了测试这个，我编写了这个程序，其中包含示例性失真和一个简单的函数作为数据：

from __future__ import division

import numpy as np
import scipy.interpolate as intp
import pylab as plt

# Defining some variables:

quadratic = -3/128
linear = 1/16
pn = np.poly1d([quadratic, linear,0])

pixels_x = 50
pixels_y = 30
frame = np.zeros((pixels_x,pixels_y))

x_width= np.concatenate((np.linspace(8,7.8,57) , np.linspace(7.8,8,pixels_y-57)))

def data(x,y):
    z = y*(np.exp(-(x-5)**2/3) + np.exp(-(x)**2/5) + np.exp(-(x+5)**2))
    return(z)

# Generating grid coordinates

yt = np.arange(380,380+pixels_y*4,4)
xt = np.linspace(-7.8,7.8,pixels_x)
X, Y = np.meshgrid(xt,yt)
Y=Y.T
X=X.T

Y_m = np.zeros((pixels_x,pixels_y))
X_m = np.zeros((pixels_x,pixels_y))

# generating distorted grid coordinates:    

for i in range(pixels_y):
    Y_m[:,i] = Y[:,i] - pn(xt)
    X_m[:,i] = np.linspace(-x_width[i],x_width[i],pixels_x)


# Sample data:
for i in range(pixels_y):
    for j in range(pixels_x):
        frame[j,i] = data(X_m[j,i],Y_m[j,i])


Y_m = Y_m.flatten()
X_m = X_m.flatten()
frame = frame.flatten()
##
Y = Y.flatten()
X = X.flatten()
ipf = intp.interp2d(X_m,Y_m,frame)
interpolated_frame = ipf(xt,yt)

此时，我不得不提问：

代码有效，但我收到以下警告：

警告：由于B样条系数的数量，不能再添加结已超过数据点数m。可能原因：要么或者太小了。（FP＆GT; S） kx，ky = 1,1 nx，ny = 54,31 m = 1500 fp = 0.000006 s = 0.000000

此外，出现了一些插值工件，我认为它们与警告有关 - 你们知道我做错了吗？

对于我的实际应用程序，框架需要大约500 * 100，但是当这样做时，我得到一个MemoryError - 除了将框架分成几个部分之外，我能做些什么来帮助它？

谢谢！

Answer 1

对于2d插值， griddata 坚实，本地，快速。在SO上查看problem-with-2d-interpolation-in-scipy-non-rectangular-grid

Answer 2

此问题很可能与 interp2d 中 bisplrep 和 bisplev 的使用有关。 docs提及他们使用 s = 0.0 的抽取因子，并且如果更多控制，则应该直接使用 bisplrep 和 bisplev 需要 s 。相关的docs提及 s 应该在（m-sqrt（2 * m），m + sqrt（2 * m））之间找到 > m 是用于构造样条曲线的点数。我有一个类似的问题，发现它直接使用 bisplrep 和 bisplev 时解决了，其中 s 只是可选的。

Answer 3

您可能希望在底图中查看以下interp方法：

mpl_toolkits.basemap.interp http://matplotlib.sourceforge.net/basemap/doc/html/api/basemap_api.html

除非你真的需要基于样条的插值。

Scipy中二维插值的问题

3 个答案: