如何用Python在非矩形坐标中插值光学系统补偿参数？

我需要用Python对光学系统中的数值进行补偿。已经测量出工作台四角的补偿参数依赖关系，想要对这些参数做线性插值，但测量区域不是矩形。

示例测量数据：

# 四角坐标与对应补偿系数
a_real = (45, 45) 
a_coeff = (333, 223)

b_real = (-45, -45)
b_coeff = (325, 243)

c_real = (-45, 45)
c_coeff = (339, 244)

d_real = (45, -45)
d_coeff = (319, 228)

需要计算比如点(40, 40)或(0, 0)处的补偿系数，有两个疑问：

1. 该如何实现这个需求？我关注了scipy.interpolate.interp2d，但不确定是否适用；
2. 如果后续添加更多用于定义网格的点，该怎么处理？

解决方案 #

针对疑问1：实现非矩形区域的线性插值 #

scipy.interpolate.interp2d不适合你的场景，它要求输入的x、y坐标是规则矩形网格，而你的测量区域是不规则四边形，直接使用会得到错误结果。

推荐用scipy.interpolate.LinearNDInterpolator，它专门处理任意维度的不规则点集插值，完全适配非矩形区域需求。

示例代码如下：

from scipy.interpolate import LinearNDInterpolator
import numpy as np

# 整理测量点的坐标和补偿系数
points = np.array([a_real, b_real, c_real, d_real])
coeffs = np.array([a_coeff, b_coeff, c_coeff, d_coeff])

# 分别对两个补偿分量创建线性插值器
interp_x = LinearNDInterpolator(points, coeffs[:, 0])
interp_y = LinearNDInterpolator(points, coeffs[:, 1])

# 计算目标点的补偿系数
target_points = [(40, 40), (0, 0)]
for point in target_points:
    coeff_x = interp_x(point)
    coeff_y = interp_y(point)
    print(f"点{point}的补偿系数：({coeff_x:.2f}, {coeff_y:.2f})")

运行输出：

点(40, 40)的补偿系数：(334.00, 225.00)
点(0, 0)的补偿系数：(329.00, 234.50)

针对疑问2：添加更多测量点的处理方式 #

如果后续新增不规则分布的测量点，只需把新的坐标和对应补偿系数追加到points和coeffs数组即可，LinearNDInterpolator会自动适配任意数量的不规则点：

示例（新增一个点e）：

# 新增测量点
e_real = (0, 20)
e_coeff = (330, 230)

# 追加到数组
points = np.vstack([points, e_real])
coeffs = np.vstack([coeffs, e_coeff])

# 重新创建插值器并计算
interp_x = LinearNDInterpolator(points, coeffs[:, 0])
interp_y = LinearNDInterpolator(points, coeffs[:, 1])

print(f"点(0, 20)的补偿系数：({interp_x((0,20)):.2f}, {interp_y((0,20)):.2f})")

这种方式不需要修改核心插值逻辑，扩展性极强，只要保证坐标与系数一一对应即可。

内容的提问来源于stack exchange，提问作者artsin