MATLAB - 二维数组插值

MATLAB 中的现代二维数据插值

在 MATLAB 中，二维插值是在已知采样点的网格中估计新点的值的过程。它是一种关键技术，用于图像大小调整、数据上采样以实现更平滑的可视化以及填充缺失数据。其主要函数是 interp2。

理解 interp2 语法

Vq = interp2(X, Y, V, Xq, Yq, method)

• X、Y、V: 这些定义了原始数据。V 是一个值矩阵，X 和 Y 是相应的坐标矩阵（通常使用 meshgrid 创建）。
• Xq、Yq: 这些是您希望估计值的查询点的坐标。
• Vq: 在查询点处插值结果的输出矩阵。
• method: 指定插值算法的字符串。这是一个关键的选择，会影响结果的质量和速度。

选择正确的插值方法

方法的选择取决于您的数据和目标：

方法	描述	最佳用途
'linear' (默认)	快速、分段线性插值。用直线连接点。	通用，速度和平滑度之间的良好平衡。
'cubic'	较慢、分段三次插值。生成更平滑的表面。	用于可视化，当平滑度至关重要时。有时可能出现过冲。
'spline'	平滑连续，基于三次样条。计算成本高。	高质量、平滑的结果，没有 'cubic' 的过冲。
'nearest'	非常快。分配最近已知点的值。创建块状外观。	保留原始数据值、分类数据，或当速度最重要时。
'makima'	改进的 Akima 三次 Hermite 方法。平滑如三次插值，但避免过冲。	适用于具有急剧变化或平坦区域的数据，其中不希望出现过冲。

实际示例

示例 1：对粗糙网格进行上采样

让我们创建一个粗糙的表面，并将其插值到更精细的网格上，以创建更平滑的绘图。

% 1. 创建一个粗糙网格并采样数据
[X, Y] = meshgrid(1:5);
V = peaks(X, Y);

% 2. 创建一个更精细的查询网格
[Xq, Yq] = meshgrid(1:0.25:5);

% 3. 使用不同方法执行插值
Vq_linear = interp2(X, Y, V, Xq, Yq, 'linear');
Vq_cubic = interp2(X, Y, V, Xq, Yq, 'cubic');
Vq_nearest = interp2(X, Y, V, Xq, Yq, 'nearest');

% 4. 可视化结果
figure;
tiledlayout(2, 2);

% 原始表面
nexttile;
surf(X, Y, V);
title('Original Coarse Surface');

% 线性插值
nexttile;
surf(Xq, Yq, Vq_linear);
title('Linear Interpolation');

% 三次插值
nexttile;
surf(Xq, Yq, Vq_cubic);
title('Cubic Interpolation');

% 最近邻插值
nexttile;
surf(Xq, Yq, Vq_nearest);
title('Nearest-Neighbor Interpolation');

示例 2：不使用显式网格坐标的重采样

如果您的数据 V 对应于默认网格（X = 1:size(V,2)，Y = 1:size(V,1)），则可以在调用中省略 X 和 Y。interp2(V, k) 提供了一个方便的快捷方式，用于按整数因子 k 进行重采样。

% 1. 创建一个样本数据矩阵
V = [1 2 3 4; 5 6 7 8; 9 10 11 12; 13 14 15 16];

% 2. 将数据精细化 4 倍（k=4）
% 这会在每个样本之间插值 3 个新点
k = 4;
Vq = interp2(V, k, 'cubic'); % 使用三次插值以获得平滑结果

% 3. 绘制结果
figure;
tiledlayout(1, 2);

nexttile;
imagesc(V);
axis equal tight;
title('Original 4x4 Grid');

nexttile;
imagesc(Vq);
axis equal tight;
title('Interpolated 17x17 Grid (k=4)');

高级主题与最佳实践

性能：griddedInterpolant

当您需要在同一数据集上执行多次插值时，interp2 可能会效率低下，因为它每次都会重新计算三角剖分。对于这些情况，现代且强烈推荐的方法是使用 griddedInterpolant。

% 1. 创建插值器对象一次
[X, Y] = meshgrid(-3:0.2:3);
Z = peaks(X, Y);
F = griddedInterpolant(X, Y, Z, 'cubic');

% 2. 根据需要多次查询该对象
[Xq, Yq] = meshgrid(-3:0.05:3);
Zq = F(Xq, Yq);

% 这比在循环中重复调用 interp2 快得多。

常见陷阱

• 查询点超出网格范围：默认情况下，对于位于原始采样点 (X, Y) 域之外的任何查询点 (Xq, Yq)，interp2 返回 NaN。如果需要，您可以指定一个外推值，例如 interp2(..., 'linear', 0)，以便对网格外的点返回 0。
• 单调网格向量：用于定义网格的坐标向量（meshgrid 中的 X 和 Y）必须是单调的（严格递增或递减）。
• 选择错误的方法：在具有尖锐不连续性的数据上使用 'cubic' 或 'spline' 可能会导致不希望的振铃或振荡。在这种情况下，'linear' 或 'makima' 通常是更好的选择。

迷你项目构思：图像缩放

尝试加载一个标准的 MATLAB 演示图像（例如，I = imread('peppers.png');）。将其转换为灰度图并缩小。然后，使用 interp2 与 'nearest'、'linear' 和 'cubic' 方法将其缩放回原始大小。比较结果以查看每种插值算法的实际影响。