106727_de-DE

liliconcom

Wie führt man eine bilineare Interpolation mit JMP durch?

Im Wesentlichen wird es als 2D-multivariate Interpolation bezeichnet. Ich habe eine Reihe von Orten (x,y) und entsprechende Daten, zB: z=Farbwert. Für einige der (x,y) der z-Spalte fehlen Daten. Ich möchte die nächsten zwei bekannten (x1,y1,z1) und (x2,y2,z2) verwenden, um den Wert für (x3,y3, z3=?) zu interpolieren.

Theoretisch das wiki/Bilinear_interpolation ist das, was ich gerne bekomme.

Hat JMP eine Möglichkeit, dies zu tun?

 

Außerdem muss ich zuerst die X- und Y-Daten nach zwei anderen Spalten A und B gruppieren.Beispiel. COl A,B steht für Dateinamen und Bildnummer. X,Y ist die Position eines Pixels im Frame und Z ist die Pixelfarbe.

Ich möchte den Z-Wert für fehlende Pixel in jedem Frame in jeder Datei interpolieren.
Beispieldatensatz

Datei	Rahmen	X	Y	Farbe
Ameisenmann	1	0	0	255
Ameisenmann	1	5	5	195
Ameisenmann	1	3	2	??
Ameisenmann	2	0	0	255
Batman	3	0	0	255
Batman	3	3	2	??
Batman	3	5	5	100

Betreff: Wie führt man eine bilineare Interpolation mit JMP durch?

Wenn ich das richtig verstehe, benötigen Sie für die bilineare Interpolation vier Punkte (nicht zwei). Die Gruppierungsspalten würden sorgfältig behandelt, sodass Sie für eine Gruppe beispielsweise Folgendes tun könnten:

Names Default To Here( 1 );

// Example table: Four complete observations, and one missing 'Colour' to be
// obtained by bilinear interpolation
dt = New Table( "Antman_1",
   Add Rows( 5 ),
   New Column( "X",
    Numeric,
    "Continuous",
    Format( "Best", 12 ),
    Set Values( [0, 5, 3, 5, 0] )
   ),
   New Column( "Y",
    Numeric,
    "Continuous",
    Format( "Best", 12 ),
    Set Values( [0, 5, 2, 0, 5] ),
    Set Display Width( 92 )
   ),
   New Column( "Colour",
    Numeric,
    "Continuous",
    Format( "Best", 12 ),
    Set Values( [255, 195, ., 100, 150] )
   )
  );

// Using the notation at: https://en.wikipedia.org/wiki/Bilinear_interpolation
x1 = dt[1, "X"];
x2 = dt[2, "X"];
y1 = dt[1, "Y"];
y2 = dt[2, "Y"];
q11 = dt[1, "Colour"];
q21 = dt[4, "Colour"];
q12 = dt[5, "Colour"];
q22 = dt[2, "Colour"];
x = dt[3, "X"];
y = dt[3, "Y"];

// Interpolate in the X direction
r1 = Interpolate(x, x1, q11, x2, q21);
r2 = Interpolate(x, x1, q12, x2, q22);

// Interpolate in the Y direction
p = Interpolate(y, y1, r1, y2, r2);
Wait(3);
dt[3, "Colour"] = p;

 

Es ist unwahrscheinlich, dass dies der „beste“ Weg ist, aber um eine bessere Leistung zu erzielen, wären einige Beispieldaten (in einer JMP-Tabelle) erforderlich. Sie müssten auch entscheiden, wie mit Grenzfällen umgegangen werden soll.