您可以使用
map_coordinates一点代数。比方说您的网格间距是
dx，
dy和
dz。我们需要将这些 现实世界 坐标映射到
数组索引 坐标，因此让我们定义三个新变量：
xx = x / dxyy = y / dyzz = z / dz
输入到的 数组索引
map_coordinates是一个形状数组，
(d, ...)其中
d是原始数据的维数。如果定义一个数组，例如：
scaling = np.array([dx, dy, dz])
您可以通过一点广播魔术除以将 现实世界的 坐标转换为 数组索引 坐标
scaling：
idx = coords / scaling[(slice(None),) + (None,)*(coords.ndim-1)]
举个例子：
dx, dy, dz = 1, 1, 2scaling = np.array([dx, dy, dz])data = np.random.rand(10, 15, 5)
假设我们要沿平面插值
2*y - z = 0。我们取两个垂直于平面法线向量的向量：
u = np.array([1, 0 ,0])v = np.array([0, 1, 2])
并获得我们要插入的坐标为：
coords = (u[:, None, None] * np.linspace(0, 9, 10)[None, :, None] + v[:, None, None] * np.linspace(0, 2.5, 10)[None, None, :])
我们使用以下命令将它们转换为 数组索引 坐标并进行内部转换
map_coordinates：
idx = coords / scaling[(slice(None),) + (None,)*(coords.ndim-1)]new_data = ndi.map_coordinates(data, idx)
最后一个数组具有形状
(10, 10)，并且在位置
[u_idx, v_idx]上具有与坐标对应的值
coords[:, u_idx, v_idx]。
您可以在此想法的基础上，通过在缩放之前添加偏移量来处理坐标不以零开始的插值。
