主要内容
网格化和分散的样本数据
插值是在一组样本数据点范围内的查询位置估计函数值的一种方法。函数值是根据最接近查询点的样本数据点计算的。MATLAB®根据样本数据的结构，可以执行两种插值。样本数据可以形成网格，也可以分散。
网格化的样本数据使得插值效率更高，因为数据的组织结构使得MATLAB很容易找到离查询点最近的样本数据点。然而，插值分散的数据需要一个德劳内三角这就引入了额外的计算层。因此，如果您的数据可以近似为网格，那么网格插值在计算时间和内存使用方面都比分散插值节省了大量时间。
这两种插值方法将在以下主题中介绍:
插值与曲线拟合
MATLAB中可用的插值方法创建通过样本数据点的插值函数。也就是说，如果您在一个样本位置查询插值函数，您将得到准确的样本数据值，而不是一个近似值。相比之下，曲线和曲面拟合算法不需要通过样本数据点。有关曲线拟合的更多信息，请参见曲线拟合工具箱．
网格近似技术
在某些情况下，您可能需要近似数据的网格。例如，网格可以具有沿曲线躺在的点。如果您的数据是基于经度和纬度：
使用曲面网格，您可以有效地处理一组分散的数据，并且必须使用计算成本更高的分散插值函数来插值这些值。然而，虽然输入数据不能直接网格化，但有时可以在适当的间隔用直线网格线来近似曲线网格:
您可以通过创建一组具有适当间距的网格向量来创建一个近似网格。用直线逼近曲线网格允许您获得基于网格的插值的性能优势，但代价是略微扭曲数据。有关创建网格向量的更多信息，请参见网格表示．
另请参阅
griddedInterpolant|scatteredInterpolant
相关话题
你也可以从以下列表中选择一个网站:
