如何将行水平间距可变的二维NumPy数组重采样为指定水平间距并插值？

核心思路 #

要把每行水平间距不一的高度数组转换成等间距格式，核心是先建立原始数据的横坐标映射，再将其插值到目标等间距的横坐标上——由于每行的水平间距仅与y轴位置相关，既可以逐行独立处理，也可以结合行间信息做全局优化。

具体操作步骤 #

1. 计算每行的原始横坐标序列
   假设第i行（y方向索引，范围0到y-1）的相邻元素水平间距为d_i，该行包含x个高度点，那么该行每个点的实际横坐标为：

   x_raw = [0, d_i, 2*d_i, ..., (x-1)*d_i]
   

   对应的高度值就是该行的数组元素h_raw = arr[i]。

2. 确定目标等间距的横坐标序列
   设指定的目标水平间距为D：

   • 若要保留每行的实际长度范围，目标点数为n_i = floor((x-1)*d_i / D) + 1，目标横坐标为：

     x_target = [0, D, 2*D, ..., (n_i-1)*D]
     

   • 若需要所有行的宽度统一，先计算所有行的最大总长度L_max = max((x-1)*d_i for i in 0..y-1)，再确定统一的目标点数n = floor(L_max / D) + 1，所有行都映射到这个长度的横坐标序列上。

3. 对每行执行插值计算
   将h_raw在x_raw上的分布，插值到x_target的位置，即可得到该行的等间距高度数组。

可选的插值方案 #

存在多种插值方案，不同方案在精度、计算速度、平滑度上各有侧重：

• 最近邻插值：直接取距离目标横坐标最近的原始高度值。计算极快，但插值结果会有明显锯齿，适合对精度要求低、追求效率的场景。
• 线性插值：找到目标点左右相邻的两个原始点，用距离加权计算高度值。计算简单，精度适中，是最常用的通用方案。
• 三次样条插值：用相邻3-4个原始点构建三次多项式，插值结果连续平滑，精度高，但计算量较大，适合需要高度平滑曲线的场景（比如地形可视化）。
• 拉格朗日插值：用更多原始点构建高阶多项式，但容易出现龙格现象（边缘震荡），实际场景中很少使用。

如果需要考虑行与行之间的高度关联性（比如整体地形的连续性），也可以将整个二维数组作为不规则网格，使用双线性插值或双三次插值做全局重采样，但这种方式计算量更大，适合对整体平滑度要求高的场景。

内容的提问来源于stack exchange，提问作者Carsten Drösser