farivar.maryam 1226 اشتراک گذاری ارسال شده در 7 مرداد، ۱۳۹۳ با استفاده از تابع interpft می توانید یک درون یابی یک بعدی بر پایه تبدیل فوریه سریع انجام دهید. در این روش، برداری شامل مقادیر یک تابع تناوبی محاسبه می شود. سپس تبدیل معکوس فوریه با استفاده از نقاط بیشتری انجام می گیرد. شکل کلی این تابع به صورت زیر است: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام که در آن: yبرداری شامل مقادیر به دست آمده از درون یابی است. x برداری شامل یک تابع تناوبی می باشد. n تعداد نقاط با فاصله های مساوی است که باید برگردانده شود. توجه کنید که اگر x یک ماتریس باشد، درون یابی روی هر ستون انجام می شود درون یابی دو بعدی برای درون یابی دو بعدی از تابع interp2 استفاده می شود. شکل کلی این تابع به صورت زیر است: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام که در آن: zi: آرایه ای دو بعدی شامل مقادیر به دست آمده از درون یابی است. z: آرایه ای دو بعدی شامل مقادیر یک تابع دو بعدی است. x,y: آرایه های هم اندازه با z است که شامل نقاطی می باشد که مقدارآنها در داده شده است. xi , yi :نقاطی را در برمی گیرند که باید مقادیر آنها درون یابی شوند. method: رشته ای اختیاری است که روش درون یابی را مشخص می کند. در شکل زیر رابطه بین داده های موجود و داده های درون یابی شده، نشان داده شده است. http://www.noandishaan.com/upload/images/dc6qrllpzo8nhye5atrt.jpg سه روش برای درون یابی دو بعدی وجود دارد: درون یابی نزدیکترین همسایه : nearest neightbor interpolation در این حالت برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام است. در این روش یک سطح ثابت تکه ای از مقادیر داده ها عبور داده میشود. مقدارنقطه درون یابی شده، برابر با مقدار نزدیکترین نقطه به آن در نظر گرفته می شود. درون یابی خطی bilinear interpolation در این حالت برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام است. در این روش یک سطح دو خطی از بین داده ها عبور داده می شود. مقداریک نقطه درون یابی شده، ترکیبی از مقادیر چهار نقطه نزدیک به آن است. درون یابی دومکعبی bicubic interpolation در این حالت برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام است. در این روش یک سطح دو مکعبی از بین داده های موجود عبور داده می شود. مقدار این نقطه درون یابی شده، ترکیبی از مقادیر شش نقطه نزدیک به آن است. در این روش سطح هموارتری نسبت به درون یابی دوخطی ایجاد میشود. این موضوع مزیتی کلیدی در برخی کاربردها ماند پردازش تصویر است. زمانی که می خواهید داده های حاصل از درون یابی و مشتق آنها پیوسته باشد، از درون یابی دومکعبی استفاده کنید. در تمام این روشها لازم است که xو y یکنواخت باشد یعنی همه نقاط به صورت صعودی یا نزولی مرتب شده باشند. برای این کار از تابع meshgrid استفاده می کنیم. در ادامه با استفاده از یک مثال ساده و گرافیکی نتایج این سه روش را با یکدیگر مقایسه می کنیم: ابتدا تابع peaks را ایجاد می کنیم: (CODE][x,y]=meshgrid(-3:1:3] (z=peaks(x,y [surf(x,y,z)[/code http://www.noandishaan.com/upload/images/hq93nfwzc2a6t31fajs.jpg حال شبکه ریزتری برای درون یابی ایجاد کنید و با روش نزدیکترین همسایه درونیابی را انجام می دهیم: (CODE][xi,yi]=meshgrid(-3:0.25:3] (zi1=interp2(x,y,z,xi,yi,'nearest' [surf(xi,yi,zi1)[/code http://www.noandishaan.com/upload/images/ovmbzr891p411sz1zj6o.jpg با روش دوخطی این کار را انجام دهید: (CODE][xi,yi]=meshgrid(-3:0.25:3] (zi2=interp2(x,y,z,xi,yi,'bilinear' [surf(xi,yi,zi1)[/code http://www.noandishaan.com/upload/images/y48jx4pew0731on8zhm.jpg و در نهایت روش دومکعبی را امتحان می نماییم: (CODE][xi,yi]=meshgrid(-3:0.25:3] ('zi3=interp2(x,y,z,xi,yi,'bicubic [surf(xi,yi,zi1)[/code http://www.noandishaan.com/upload/images/ebslq0agrcn2hn6234gr.jpg 5 لینک به دیدگاه
ارسال های توصیه شده