在查询点的统一网格上插入随机分散的数据。

在中间的200个随机点上对函数进行抽样-2.5而且2.5．

rng (“默认”) xy = -2.5 + 5*rand([200 2]);X = xy(:，1);Y = xy(:，2);V = x.*exp(-x.²-y.²);

x，y,v是包含分散(不均匀)样本点和数据的向量。

定义一个规则网格，并在网格上插入分散的数据。

[xq,yq] = meshgrid(-2:。2:2, 2: .2:2);Vq = griddata(x,y,v,xq,yq);

将网格化的数据绘制为网格，将分散的数据绘制为点。

网格(xq yq vq)在plot3 (x, y, v,“o”xlim([-2.7 2.7])

插值在随机分散点采样的4-D函数的3-D切片。

以4-D函数为例 $\mathit{v}（\mathit{x}，\mathit{y}，\mathit{z}）$在2500个随机点之间－1而且1．向量x，y,z包含非均匀抽样点。

X = 2*兰特(2500,1)- 1;Y = 2*rand(2500,1) - 1;Z = 2*rand(2500,1) - 1;V = x.²+ y.^3 - z.^4;

定义一个规则网格xy范围[- 1,1]中的点，并设置 $\mathit{z}＝0$．在这个二维查询点的网格上进行插值(xq yq 0)生成一个三维插值切片(vq xq yq 0)4-D数据集的(x, y, z, v)．

D = -1:0.05:1;[xq,yq,zq] = meshgrid(d,d,0);

插值网格上的零散数据。画出结果。

Vq = griddata(x,y,z,v,xq,yq,zq);plot3 (x, y, v,“罗”)举行在冲浪(xq yq vq)

比较几种不同的插值算法的结果griddata．

创建一个包含50个分散点的样本数据集。点的数量人为地很小，以突出插补方法之间的差异。

X = -3 + 6*rand(50,1);Y = -3 + 6*rand(50,1);V = sinx。^4 .* cos(y);

创建一个查询点网格。

[xq,yq] = meshgrid(-3:0.1:3);

控件对样例数据进行插值“最近的”，“线性”，“天然”,“立方”方法。将结果绘制成图进行比较。

Z1 = griddata(x,y,v,xq,yq，“最近的”）;plot3 (x, y, v,“莫”)举行在网格(xq, yq z1)标题(“最近邻”)传说(采样点的，插值结果的，“位置”，“西北”）

Z2 = griddata(x,y,v,xq,yq，“线性”）;图plot3 (x, y, v,“莫”)举行在网格(xq, yq z2)标题(“线性”)传说(采样点的，插值结果的，“位置”，“西北”）

Z3 = griddata(x,y,v,xq,yq，“天然”）;图plot3 (x, y, v,“莫”)举行在网格(xq yq z3)标题(“天然的邻居”)传说(采样点的，插值结果的，“位置”，“西北”）

Z4 = griddata(x,y,v,xq,yq，“立方”）;图plot3 (x, y, v,“莫”)举行在网格(xq yq z4)标题(“立方”)传说(采样点的，插值结果的，“位置”，“西北”）

画出精确的解。

图plot3 (x, y, v,“莫”)举行在网格(xq yq,罪(xq)。^4 .* cos(yq))精确解的)传说(采样点的，准确的表面的，“位置”，“西北”）