subplot（mnp）三种线性插值对比

### 如何在 MATLAB 中进行三维非线性样条插值 对于三维空间内的非线性样条插值，在 MATLAB 中可以通过 `griddedInterpolant` 或者组合使用多个维度上的 `interp1` 来完成。然而，针对更复杂的曲面或体积内点的插值需求，则通常采用专门设计来处理多维数据集的功能函数如 `scatteredInterpolant`。 当涉及到具体实现时，下面给出了一段基于散乱数据点构建三维样条插值模型的例子： ```matlab % 定义一些随机分布的数据点作为已知样本 n = 80; x = rand(n,1)*4-2; % X坐标范围[-2,2] y = rand(n,1)*4-2; % Y坐标范围[-2,2] z = peaks(x,y); % 使用peaks函数生成Z轴数值模拟实际测量值 % 创建一个较细密网格用于展示最终插值得到的结果表面 [xi,yi] = meshgrid(linspace(-2,2,100), linspace(-2,2,100)); % 构造并配置scatteredInterpolant对象来进行三维样条插值 F = scatteredInterpolant(x(:), y(:), z(:),'natural'); % 应用此插值器获得新位置处对应的估计高度zi zi = F(xi, yi); % 可视化原始采样点以及通过插值得来的近似地形图 figure; subplot(1,2,1); plot3(x, y, z,'.'); title('Original Sample Points'); xlabel('X axis'), ylabel('Y axis'), zlabel('Value Z'); subplot(1,2,2); surf(xi, yi, zi); shading interp; colorbar; title('Spline Interpolation Result on a Fine Grid'); xlabel('X axis'), ylabel('Y axis'), zlabel('Estimated Value Z'); ``` 这段程序首先制造了一些位于特定区域内的离散观测点及其关联的高度信息；接着利用这些有限数量的信息源建立了能够预测任意给定坐标的高程值的数学映射关系——即所谓的“插值”。最后部分则展示了如何将这种抽象的概念转换成易于理解的形式，比如图像化的表达方式[^2]。 值得注意的是，这里选择了 `'natural'` 参数指定自然边界条件下的三次样条插值方案，这有助于保持边缘附近的变化趋势更加合理和平滑[^4]。