主要内容
网格和分散的样本数据
插值是一种估计函数在一组样本数据点域中的查询位置的值的方法。函数值是根据最接近查询点的样例数据点计算的。MATLAB®根据样本数据的结构，可以进行两种插值。样本数据可以形成一个网格，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德劳内三角这就引入了一个额外的计算层。因此，如果你的数据可以近似为一个网格，网格插值与分散插值相比在计算时间和内存使用上提供了大量的节省。
下面的主题将介绍这两种插值方法:
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，如果你在一个样本位置查询插值函数，你得到的是准确的样本数据值，而不是近似值。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，您可能需要为您的数据近似一个网格。例如，网格可以有沿着曲线的点。如果你的数据是基于经度和纬度的，就会出现这样的数据集:
使用弯曲网格，你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值。然而，虽然输入数据不能直接网格化，但有时可以用适当间隔的直线网格线逼近曲线网格:
您可以通过创建一组具有适当间距的网格矢量来创建一个近似网格。用直线近似曲线网格可以让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。有关创建网格矢量的更多信息，请参见网格表示．
另请参阅
griddedInterpolant|scatteredInterpolant
相关的话题
您也可以从以下列表中选择一个网站:
