Интерполяция - сложный вопрос. Существует множество способов интерполяции множества точек, и это предполагает, что вы действительно хотите сделать интерполяцию, а не сглаживание. (Интерполяция точно воспроизводит исходные точки данных.) И, конечно же, двумерная природа этой проблемы усложняет ситуацию.
Существует несколько общих схем интерполяции рассеянных данных в 2-й. Фактически для тех, у кого есть доступ к нему, доступна очень хорошая бумага (Ричард Франк, «Интерполяция рассеянных данных: тесты некоторых методов», Математика вычислений, 1982.)
Возможно, наиболее распространенный метод основан на на триангуляцию ваших данных. Просто создайте триангуляцию домена из своих точек данных. Тогда любая точка внутри выпуклой оболочки данных должна лежать внутри одного из треугольников, или она будет на общем краю. Это позволяет вам интерполировать линейно внутри треугольника. Если вы используете MATLAB, то функция griddata доступна для этой экспресс-цели.)
Проблема при попытке заполнить полное прямоугольное изображение из разбросанных точек состоит в том, что, скорее всего, данные не распространяются на 4 угла массив. В этом случае схема на основе триангуляции потерпит неудачу, поскольку углы массива не лежат внутри выпуклой оболочки рассеянных точек. Альтернативой тогда является использование «радиальных базисных функций» (часто сокращенно RBF). Существует много таких схем, в том числе Кригинг, когда они используются сообществом геостатистики.
http://en.wikipedia.org/wiki/Kriging
Наконец, inpainting этого имени для схемы интерполяции, где элементы приведены в массиве, но где есть недостающие элементы. Название, очевидно, относится к тому, что сделал художник-консерватор, которому нужно восстановить слезу или разрывать в ценной части художественных работ.
http://en.wikipedia.org/wiki/Inpainting
Идея inpainting, как правило, сформулировать краевую задачу. То есть, определим уравнение с частными производными в области, где есть дырка. Используя известные граничные значения, заполните отверстие путем решения PDE для неизвестных элементов. Это может быть вычислительно интенсивным, если существует огромное количество неизвестных элементов, так как обычно требуется решение по крайней мере массивной разреженной системы линейных уравнений. Если PDE является нелинейным, то он становится еще более интенсивной проблемой.Простым, достаточно хорошим выбором для PDE является лапласиан, что приводит к линейной системе, которая экстраполирует хорошо. Опять же, я могу предложить решение для пользователя MATLAB.
http://www.mathworks.com/matlabcentral/fileexchange/4551
Лучший выбор для PDE может исходить от нелинейных уравнений в частных производных. Как только это уравнение Навье-Стокса. Он хорошо подходит для моделирования типов поверхностей, которые обычно видны, но с ними также труднее справиться. Как и во многих аспектах жизни, вы получаете то, за что платите.
Дополнительная информация: Какие данные? Можете ли вы рассказать о природе кривых (например, как они выглядят?) – Rook
Данные представляют собой 2-мерную матрицу значений интенсивности. Я хочу создать какое-то изображение. Это школьный проект. – Sam
Так что в основном не ответы ниже отвечали на вопрос о том, чтобы предлагать библиотеку или функцию .... потому что у меня такая же проблема, как и у. – bakalolo