C ++中的Matlab griddata等效答案

【问题标题】：Matlab griddata equivalent in C++C ++中的Matlab griddata等效
【发布时间】：2013-04-16 22:26:53
【问题描述】：

我正在寻找与 Matlab 的 griddata 函数或任何 2D 全局插值方法等效的 C++。

我有一个使用特征 3 的 C++ 代码。我将有一个包含 x、y 和 z 值的特征向量，以及两个与 Matlab 中的 Meshgrid 生成的特征矩阵等效的特征矩阵。我想将向量中的 z 值插入到由 Meshgrid 等效项定义的网格点上（这将稍微超出原始点的外部，因此需要进行少量外推）。

我不太在意准确性——它不需要完美。但是，我不能接受 NaN 作为解决方案——无论数据间隙如何，都必须在网格上的任何地方计算插值。换句话说，留在凸包内不是一种选择。

我不希望从头开始编写插值，但如果有人想向我指出非常好的（和明确的）食谱，我会试一试。这不是最可恨的东西（至少在算法意义上），但我不想重新发明轮子。

实际上我所拥有的是分散的地形位置，我希望定义一个直线网格，名义上在地形下方一定距离以供以后使用。一旦我有节点点，我会很好。

到目前为止我的研究：

这里提出的问题：MATLAB functions in C++ 给出了一个接近的答案，但不幸的是，这个建议不是免费的（SciMath）。

我尝试理解了 Generic Mapping Tools 中使用的插值函数，结果头疼。

我简要查看了网格算法库 (GrAL)。如果有人有评论，我将不胜感激。

Eigen 有一个不受支持的插值包，但它似乎只适用于曲线（而不是曲面）。

编辑：VTK 具有 matplotlib 功能。据推测，为了显示目的，其中某处必须使用插值。有谁知道这是否可以访问和使用？

谢谢。

【问题讨论】：

你看过freemat吗？
我没有——这不是我想要的，但它非常接近。谢谢！
啊，不幸的是，FreeMat 中没有实现 griddata/interp2/etc。这么近！
Python 提供了一些插值工具，还是你只受 c++ 限制？如果没有，我会给你更多的细节。
不幸的是，我更愿意坚持使用 C++。我已经使用了 Python 工具，但是它们会做得很好。谢谢！

标签： c++ matlab interpolation

【解决方案1】：

这可能有点晚了，但希望它对某人有所帮助。

方法 1.) Octave：如果您来自 Matlab，一种方法是将 gnu Matlab 克隆 Octave 直接嵌入到 c++ 程序中。我对此没有太多经验，但是您可以直接从 cpp 文件中调用 octave 库函数。

例如，请参见此处。 http://www.gnu.org/software/octave/doc/interpreter/Standalone-Programs.html#Standalone-Programs

griddata 包含在 octave 的几何包中。

方法 2.) PCL：我这样做的方法是使用点云库 (http://www.pointclouds.org) 和 VoxelGrid。您可以随意设置 x 和 y bin 大小，然后设置一个非常大的 z bin 大小，这将为每个 x,y bin 获取一个 z 值。问题是 x、y 和 z 值是平均到 bin 中的点的质心，而不是 bin 中心（这也是它适用于此的原因）。所以你需要在完成后按摩 x,y 值：

例如： //读入逗号分隔值列表 (x,y,z) 文件 * fp; fp = fopen("points.xyz","r");

//store them in PCL's point cloud format
pcl::PointCloud<pcl::PointXYZ>::Ptr basic_cloud_ptr (new pcl::PointCloud<pcl::PointXYZ>);

int numpts=0;
double x,y,z;
while(fscanf(fp, "%lg, %lg, %lg", &x, &y, &z)!=EOF)
{
    pcl::PointXYZ basic_point;
    basic_point.x = x; basic_point.y = y; basic_point.z = z;
    basic_cloud_ptr->points.push_back(basic_point);
}
fclose(fp);
basic_cloud_ptr->width = (int) basic_cloud_ptr->points.size ();
basic_cloud_ptr->height = 1;

// create object for result
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>());

// create filtering object and process
pcl::VoxelGrid<pcl::PointXYZ> sor;
sor.setInputCloud (basic_cloud_ptr);
//set the bin sizes here.  (dx,dy,dz).  for 2d results, make one of the bins larger 
//than the data set span in that axis
sor.setLeafSize (0.1, 0.1, 1000);
sor.filter (*cloud_filtered);

所以 cloud_filtered 现在是一个点云，每个 bin 都包含一个点。然后，我只需制作一个二维矩阵，然后通过点云将点分配给它们的 x、y 箱（如果我想要一个图像等），这将由 griddata 生成。它工作得很好，而且对于大型数据集，它比 matlab 的 griddata 快得多。

【讨论】：