带掩蔽阵列的ndimage map_coordinates

Question

我正在使用ndimage插值如下：

ndimage.map_coordinates(input_data, coords, output, 2, prefilter=False)

现在，问题是我对整个输入数据没有有效的度量。因此，我有一个蒙面数组，它告诉我哪些数据点是有效的。因此，在进行插值时，我只使用有效的像素，并相应地调整权重(以确保权重之和为1)。

不过，我觉得这是不容易做到的。我想知道是否有人知道这样做的好方法，或者可以向我指出一些我可以使用的库或代码。我来自于一个C++背景，所以我仍然能在python中找到我的方向。

Answer 1

听起来，您需要专注于数据的插值，然后从所需的坐标中提取值。对于一维斯克莱普和2D 双份是您需要检查的插值函数(很好的概述)。这两个函数都可以被加权，并提供对你插值的样条函数的微调控制。

使用所需的权重对数据进行过滤之后，就可以使用以下方法在指定的坐标处确定值。

ndimage.map_coordinates(input_data, coords, output, prefilter=True)

注意，不需要prefilter关键字参数，因为这是默认值

Answer 2

您可以使用scipy.interpolate.griddata从任意已知的数据点获取内插值。这个例子

import numpy as np
from scipy.interpolate import griddata

# data array
a = np.arange(9).reshape((3,3)).astype(float)
a[1, 1] = np.nan
print(a)
a = a.flatten()

# coordinate arrays
ii, jj = np.indices((3,3))
ij = np.stack((ii.flatten(), jj.flatten()), axis=1)

# filter out unknowns
mask = ~np.isnan(a)
a = a[mask]
ij = ij[mask]

# interpolate for the missing a[1, 1] element
res = griddata(ij, a, (1, 1), method='cubic')
print(res)

产生

[[ 0.  1.  2.]
 [ 3. nan  5.]
 [ 6.  7.  8.]]

4.000000157826586