《曲线曲面的插值与拟合方法（2次课》由会员分享，可在线阅读，更多相关《曲线曲面的插值与拟合方法（2次课（44页珍藏版）》请在金锄头文库上搜索。
1、第四讲 插值与拟合之插值(上),内容：插值是离散函数逼近的重要方法，利用它 可通过函数在有限个点处的取值状况，估 算出函数在其他点处的近似值 目的：学习插值的基本思想和方法，掌握Matlab 的一维/二维等距和非等距插值函数 要求：掌握Matlab插值函数，处理插值应用问题 了解拉格朗日和分段线性插值的基本思想 了解三次样条插值的提法和思路 掌握插值函数 interp interp1 interp2 griddata 掌握水塔用水量的计算(水位-体积-流速-积分),关于插值与拟合的区别,面对工程实践和科学计算中的采集得到数据(xi,yi)，我们总是试图去揭示x与y之间的关系，即用近似的y=f(
2、x)来表示，那么我们通常可以采用两种方法：插值与拟合 插值与拟合的区别在于 插值试图去通过已知点了解未知 点处的函数值；而拟合则在于在 整体上用某种已知函数去拟合数 据点列所在未知函数的性态。 关键区别在于插值要求必须经过已知点列，拟合只求尽量靠近不必经过！拟合将在本讲下介绍,引例1 函数查表问题： 已知标准正态分布函数表，求表中没有的值 (2.34)=0.99036 (2.35)=0.99061 求 (2.3457) (2.35-2.3457)/(2.35-2.34)* (2.34)+ (2.3457-2.34)/(2.35-2.34)* (2.35) 引例2 地图绘制问题： 假如我们在地图
3、边界获取了一些边界点的坐标，连接这些边界点形成闭合曲线，可以用来近似表示真实边界线，如何更准确地逼近真实边界线？,函数查表与地图边界线绘制,如何更准确地逼近真实边界线？,插值在数码图像放大中的应用,引例3 图像插值放大： 数码相机运用插值的方法可以创造出比传感器实际像素更多的图像，这种处理称为“数码变焦”。,106*40原始图像：,左边： 最近邻插值 放大450%,右边： 双三次插值 放大450%,插值在图像三维重建中的应用,Surface recostruction from scattered points cloud,分段线性插值和拉格朗日插值,分段线性插值： 用直线(线性)连接数据点列
4、上相邻的两点。 比如在两点xi-1,xi上线性插值函数为,拉格朗日插值： 用n次拉格朗日插值多项式,连接数据点列上相邻的n+1个点。Pszjs71,拉格朗日插值基函数的构造,比如 在三个点x0,x1,x2上lagrange插值函数为 (线性插值是拉格朗日插值最简单的情形),分段三次埃尔米特插值条件数,分段三次埃尔米特插值： 线性插值在每一小段上(两点之间)，用到2个条件q(xi)=yi，所以确定了一个线性插值函数；三次埃尔米特插值在每一小段上，用到4个条件q(xi)=yi， q(xi)=yi,所以确定一个3次多项式插值函数。 分段插值主要是为了避免高次插值可能出现的大幅度振荡现象，在实际应用中
5、通常采用分段低次插值来提高近似程度，比如可用分段线性插值或分段三次埃尔米特插值来逼近已知函数，但它们的总体光滑性较差，为了克服这一缺点，三次样条插值成为比较理想的工具。,三次样条(spline)插值的概念,样条的概念出自工程设计和机械加工(飞机、船舶外形曲线设计)中的绘图工具(曲线尺)，简单说就是具有连续二阶导数的三次插值多项式函数。,三次样条(spline)插值的条件数,首先从段数n=2分析：我们知道在每一小段的三次多项式有4个系数，所以如下图，总共需要有4*2=8个方程来确定； 由q(xi)=yi可以确定2*2=4个方程，又由内部节点q1(xi)= q2(xi)和q1(xi)= q2(xi
6、)可以确定2*(2-1)=2个方程，看来剩下的8-(4+2)=2个方程只有靠外部给定(边界条件)了,一维曲线等距插值函数interp,interps syntax One-dimensional r times longer data interpolation y = interp(y,r) 题例 在原始数据点中增倍插值 x=0:0.001:1; y=sin(2*pi*30*x)+sin(2*pi*60*x); yi=interp(y,4); subplot(1,2,1); stem(y(1:30); title(Original Points); subplot(1,2,2); stem(
7、yi(1:120); title(Interpolated Points);,一维曲线等距插值函数interp1,interp1s syntax One-dimensional data interpolation yi = interp1(x,y,xi,method) nearest Nearest neighbor interpolation linear Linear interpolation (default) spline Cubic spline interpolation cubic Piecewise cubic Hermite interpolation 题例 在一天24小
8、时内,从零点开始每间隔2小时测得的环境温度，推测在15点6分的的温度 x=0:2:24; y=12,9,9,10,18,24,28,27,25,20,18,15,13; plot(x,y,-ro); hold on; xi=15.1; yi=interp1(x,y,xi,spline), xi=0:1/3600:24; yi=interp1(x,y,xi,spline); plot(xi,yi,b-);,二维曲面等距插值函数interp2,interp2s syntax Two-dimensional data interpolation ZI = interp2(X,Y,Z,XI,YI,me
9、thod) nearest Nearest neighbor interpolation linear Bilinear interpolation (default) spline Cubic spline interpolation cubic Bicubuc interpolation,二维曲面等距插值函数interp2,动画展示：三维空间中的曲面等距格点,二维曲面等距插值函数interp2,题例 粗糙山顶曲面的平滑处理(等距情形) load mountain.mat %载入山顶地形数据 mesh(x,y,z) %绘制原始山顶地形图 xi=linspace(0,5,50); yi=lin
10、space(0,6,80); xii,yii=meshgrid(xi,yi); zii=interp2(x,y,z,xii,yii,spline); %三次样条插值 figure; surf(xii,yii,zii) %绘制平滑处理后的山顶曲面 hold on; xx,yy=meshgrid(x,y); plot3(xx,yy,z+0.1,ob);,二维曲面等距插值函数interp2,题例 粗糙山顶曲面的平滑处理(等距情形),二维曲面散乱插值函数griddata,griddatas syntax Data interpolation for scattered points ZI = grid
11、data(x,y,z,XI,YI) XI,YI,ZI = griddata(x,y,z,xi,yi) . = griddata(.,method) linear Triangle-based linear interpolation cubic Triangle-based cubic (default) nearest Nearest neighbor v4 MATLAB 4 griddata method MATLAB二维插值函数griddata， 可以将平面或曲面上的散乱点插值为规则网格,二维曲面散乱插值函数griddata,题例 粗糙山顶曲面的平滑处理(散乱情形) rand(seed,
12、0) x = rand(100,1)*4-2; y = rand(100,1)*4-2; z = x.*exp(-x.2-y.2); plot3(x,y,z,o); hold on ti = -2:.25:2; XI,YI = meshgrid(ti,ti); ZI = griddata(x,y,z,XI,YI); mesh(XI,YI,ZI);,二维曲面散乱插值函数griddata,题例 墨西哥草帽的平滑处理(散乱情形) x = rand(100,1)*16 - 8; y = rand(100,1)*16 - 8; r = sqrt(x.2 + y.2) + eps; z = sin(r).
13、/r; plot3(x,y,z,.,MarkerSize,15) hold on xlin = linspace(min(x),max(x),33); ylin = linspace(min(y),max(y),33); X,Y = meshgrid(xlin,ylin); Z = griddata(x,y,z,X,Y,cubic); mesh(X,Y,Z); axis tight;,南半球气旋变化的可视图形,山区地貌的可视化图形,水塔用水量估计通用程序,通用程序tbp69.m可近似计算时间段内的用水量 格式为：tbp69(ts,tf) 其中ts为起点时间，tf为终点时间,实验一：水塔用水量估
14、计 Thats all3Q!,第四讲 插值与拟合之拟合(下),内容：拟合是离散函数逼近的重要方法，利用它 可通过函数在有限个点处的取值状况，拟 合出近似替代函数，进而估算出函数在其 他点处的近似值。 目的：学习拟合的基本思想和方法，掌握Matlab 的多项式/一般拟合函数/曲线拟合工具箱 要求：掌握Matlab拟合函数，处理拟合应用问题 了解基于最小二乘法则拟合的基本思想 掌握拟合函数 polyfit lsqcurvefit curvefit 掌握cftool曲线拟合工具箱(多目标函数多法则),关于数据拟合的两个要素.,在工程实践和科学计算中，用某种经验函数解析式y=f(x)来近似刻画采集数据
15、(x,y) 之间的关系的方法就叫拟合，所谓“拟合”有 “最贴近”之意 。 与插值不同，拟合的主要目 标是要离散点尽量靠近拟合函 数。一般过程是，我们首先根 据采样点的散点分布图，大致 推测x与y之间的经验函数形式 (比如多项式、指数函数等)， 然后依据某种法则(比如最常用的最小二乘法则)，确定出的经验函数解析式中的待定参数。其中经验函数和拟合法则是拟合的两个关键要素！,引例 1 化合物浓度随时间变化的规律： 与插值面临的问题相似，我们被要求去求解或预测表格中没有的因变量对应值，与插值的解决思路不同，我们试图获得比较完备的解决方案：设计并求出离散数据点的近似替代函数，有了近似函数解析式，就可以进
16、一步代值计算或作图分析。 为了揭示浓度y与时间t之间呈现的函数规律，我们首先作出散点图，帮助分析和设计经验函数,化合物浓度随时间变化的规律,化合物浓度随时间变化的规律,如图, 化合物浓度y随时间t大致呈抛物线状（二次函数）变化，这种分析和判断来自已有经验.,t=1:16; c=4 6.4 8 8.4 9.28 9.5 9.7 9.86 10 10.2 10.32 10.42 10.5 10.55 10.58 10.6; plot(t,c,-ro),化合物浓度随时间变化的规律,经验函数形式： 已经拟定为多项式函数：y= at2 +bt+ c 剩下的工作是确定拟合原则： 可选的法则很多，其中最常用的是最小二乘法则(method of Least Squares)，即各点偏差平方和最小,高斯
