您可以使用map_coordinates与一点代数。让我们说你的网格的间距是dx,dy和dz。我们需要将这些真实世界坐标映射到数组索引坐标,因此我们可以定义三个新变量:
xx = x / dx
yy = y / dy
zz = z / dz
输入到map_coordinates的数组索引是一个形状数组(d,…),其中d是原始数据的维数。如果您定义了一个数组,例如:
scaling = np.array([dx, dy, dz])
您可以将您的真实世界坐标转换为数组索引坐标,除以缩放与一点广播魔术:
idx = coords / scaling[(slice(None),) + (None,)*(coords.ndim-1)]
把它放在一起的例子:
dx, dy, dz = 1, 1, 2
scaling = np.array([dx, dy, dz])
data = np.random.rand(10, 15, 5)
假设我们要沿着平面内插值2 * y – z = 0。我们采用垂直于平面的两个向量法向量:
u = np.array([1, 0 ,0])
v = np.array([0, 1, 2])
并得到我们要插值的坐标:
coords = (u[:, None, None] * np.linspace(0, 9, 10)[None, :, None] +
v[:, None, None] * np.linspace(0, 2.5, 10)[None, None, :])
我们使用map_coordinates将它们转换为数组索引坐标和interpoalte:
idx = coords / scaling[(slice(None),) + (None,)*(coords.ndim-1)]
new_data = ndi.map_coordinates(data, idx)
最后一个数组是形状(10,10),并具有与坐标坐标[:, u_idx,v_idx]对应的值[u_idx,v_idx]的位置。
您可以建立在这个想法上,通过在缩放之前添加一个偏移来处理坐标不能从零开始的插值。