1.定义:
在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法,利用它可通过函数在有限个点处的取值状况,估算出函数在其他点处的近似值。插值:用来填充图像变换时像素之间的空隙。
(百度百科)
(注:本文没有相关公式算法的推导,想要搞清楚原理的同学可以自行查阅相关资料)
2.一维插值(主要包括拉格朗日插值,分段线性插值与三次样条插值)
原理:假设有n+1个点(x,y),求一个插值点x的插值y,我们可以构造一个函数曲线,使其经过所有点,这样就通过函数表达式计算出了y*。
拉格朗日插值是利用了拉格朗日多项式,当节点为n+1时,插值多项式的次数为n。
注:
一般来说节点的数目较多,使用拉格朗日插值时就一定会出现高次的情况,这会导致龙格现象,即两端的波动极大,产生很大的误差。
所以,为了提高插值的精度,我们可以将节点分组,然后分别对每组的节点插值。这就是分段低次插值的思想。
但上述两种插值仅仅满足了多项式在节点处与被插函数有相等的函数值,但却不能反映被插值函数的性态,因此,埃尔米特(Hermite)在此基础上增加了新的限制条件,即节点处对应的导数甚至高阶导数值也相等,这就是埃尔米特插值多项式。
三次样条插值:通过添加边界条件,显得更加光滑。
3.分段三次埃尔米特插值(调用pchip函数)
clear,clc
x=-pi:pi;
y=sin(x);
x1=-pi:0.1:pi;
p=pchip(x,y,x1);
plot(x,y,'o',x1,p,'r-')
运行结果:
三次样条插值:
x =-pi:pi;
y = sin(x)