关于将非结构化3D网格数值插值至已有网格的技术咨询

你需要实现的是3D空间下的散点插值——将已知带值的源点数据，通过同类插值方法映射到目标网格点上。下面我会用Python结合SciPy库给出具体的实现方案，你提供的2D示例逻辑也完全适用这套方法。

一、你的原始数据 #

源采样点（带Value） #

X     Y     Z     Value
0.555 0.334 0.472 1.361
0.674 0.729 0.711 2.114
0.538 0.982 0.886 2.406
0.775 0.279 0.789 1.843
0.292 0.206 0.984 1.482

目标网格点（待填充NewValue） #

X     Y     Z     NewValue
0.721 0.824 0.974 
0.244 0.982 0.813 
0.239 0.288 0.961 
0.885 0.439 0.308 
0.344 0.006 0.554

二、实现思路与代码示例 #

我们可以用SciPy的插值模块完成任务，这里提供两种常用的同类插值方法：适合快速计算的最近邻插值，以及适合平滑连续数据的径向基函数插值。

方法1：最近邻插值（Nearest Neighbor） #

这种方法会给每个目标点分配距离它最近的源点的Value，实现简单且计算高效：

import numpy as np
from scipy.interpolate import NearestNDInterpolator

# 1. 加载源数据
source_points = np.array([
    [0.555, 0.334, 0.472],
    [0.674, 0.729, 0.711],
    [0.538, 0.982, 0.886],
    [0.775, 0.279, 0.789],
    [0.292, 0.206, 0.984]
])
source_values = np.array([1.361, 2.114, 2.406, 1.843, 1.482])

# 2. 加载目标网格点
target_points = np.array([
    [0.721, 0.824, 0.974],
    [0.244, 0.982, 0.813],
    [0.239, 0.288, 0.961],
    [0.885, 0.439, 0.308],
    [0.344, 0.006, 0.554]
])

# 3. 创建插值器并计算结果
interpolator = NearestNDInterpolator(source_points, source_values)
target_values = interpolator(target_points)

# 4. 输出带结果的目标网格
print("填充后的目标网格：")
for point, value in zip(target_points, target_values):
    print(f"X: {point[0]:.3f}, Y: {point[1]:.3f}, Z: {point[2]:.3f}, NewValue: {value:.3f}")

方法2：径向基函数插值（RBF Interpolation） #

如果你的数据是连续变化的，想要更平滑的插值结果，可以使用径向基函数插值：

import numpy as np
from scipy.interpolate import RBFInterpolator

# 1. 加载源数据（与上一致）
source_points = np.array([
    [0.555, 0.334, 0.472],
    [0.674, 0.729, 0.711],
    [0.538, 0.982, 0.886],
    [0.775, 0.279, 0.789],
    [0.292, 0.206, 0.984]
])
source_values = np.array([1.361, 2.114, 2.406, 1.843, 1.482])

# 2. 加载目标网格点（与上一致）
target_points = np.array([
    [0.721, 0.824, 0.974],
    [0.244, 0.982, 0.813],
    [0.239, 0.288, 0.961],
    [0.885, 0.439, 0.308],
    [0.344, 0.006, 0.554]
])

# 3. 创建插值器（可选核函数：linear/gaussian/multiquadric等）
interpolator = RBFInterpolator(source_points, source_values, kernel='linear')
target_values = interpolator(target_points)

# 4. 输出带结果的目标网格
print("填充后的目标网格：")
for point, value in zip(target_points, target_values):
    print(f"X: {point[0]:.3f}, Y: {point[1]:.3f}, Z: {point[2]:.3f}, NewValue: {value:.3f}")

三、方法选择建议 #

• 最近邻插值：适合数据离散、对插值速度要求高的场景，结果不会产生源数据之外的新值。
• 径向基函数插值：适合数据连续平滑的场景，能生成更自然的过渡值，但计算量略大，需要根据数据特性选择合适的核函数。

针对你提供的2D示例，只需要去掉代码中的Z列，将3D点改为2D点，就可以完全复用上述逻辑实现橙色点到蓝色点的插值映射。

内容的提问来源于stack exchange，提问作者umn