matlab二维插值 非栅格,二维非结构网格上的插值

你的问题是由一个非常危险的小错误引起的，我认为它值得给出一个完整的答案。在

考虑这一行：points = np.reshape(np.array([x, y]),(z.size, 2))

由于您的输入数组是1d，所以您试图将[x,y]转换为形状(something，2)”。请注意，可以这样说

^{pr2}$

让numpy为你推断缺失的维度，而这仍然不是你想要的。构建二维阵列时np.array([x, y])

您正在逐行定义一个矩阵，从而创建一个shape“(2，something)”数组。当你调用它时，它将逐行读取元素，因为NUMPY以行的主要顺序存储数组(类似C/C++，不像FORTRAN和Matlab)。这意味着生成的两列数组将首先包含所有x值，然后包含所有y值，而不是在每一行中包含(x,y)对。在

实际上，您要做的是在不接触数组结构的情况下，交换数组的维数。这意味着你必须转换矩阵。这意味着你必须使用points = np.array([x, y]).T

# or np.transpose([x,y])

相反。请注意，虽然它与原始文件具有相同的shape，但它的元素顺序是正确的：In [320]: np.reshape(np.array([x,y]),(-1,2))

Out[320]:

array([[ 20.7 , 20.702 ],

[ 20.704 , 20.706 ],

[ 20.708 , 20.71 ],

...,

[ 852.356964, 852.356964],

[ 852.356964, 852.356964],

[ 852.356964, 852.356964]])

In [321]: np.array([x,y]).T

Out[321]:

array([[ 20.7 , 852.357235],

[ 20.702 , 852.357235],

[ 20.704 , 852.357235],

...,

[ 21.296 , 852.356964],

[ 21.298 , 852.356964],

[ 21.3 , 852.356964]])

这将修复示例x/y点和z之间的不一致，并将产生预期的结果。根据我的经验，reshape-ing几乎从未被要求过。通常需要将ndarray展平为1d一个，但是给定数组的ravel()方法是最好的。在

结果作为证明：左边，你原来用三次插值；右边，修正了points的版本：

注意，作为@MaxNoe suggested，我将插值网格大小减小到200x200。正如他们所暗示的那样，Rbf的内存错误很可能源于大量的插值点。在