我的数据格式为 (x, y, z)，其中 x 和 y 不在常规网格上。我希望显示这些数据的 2D 颜色图，并将强度（例如灰度）映射到 z 变量。一个明显的解决方案是在规则网格上进行插值（见下文），
d <- data.frame(x=runif(1e3, 0, 30), y=runif(1e3, 0, 30))
d$z = (d$x - 15)^2 + (d$y - 15)^2
library(akima)
d2 <- with(d, interp(x, y, z, xo=seq(0, 30, length = 30),
yo=seq(0, 30, length = 50), duplicate="mean"))
pal1 <- grey(seq(0,1,leng=500))
with(d2, image(sort(x), sort(y), z, useRaster=TRUE, col = pal1))
points(d$x, d$y, col="white", bg=grey(d$z/max(d$z)), pch=21, cex=1,lwd=0.1)
然而，这会丢失初始网格的信息（具有实际数据的点的位置），在某些位置可能非常精细或非常粗糙。我更喜欢使用三角形的 delaunay 平铺，它可以准确地表示原始数据点的实际位置和密度。
理想的解决方案是
在绘图函数之外计算曲面细分，以便可以使用以下任一方法绘制生成的多边形ggplot2, lattice，或基础图形
快点。在我的现实生活示例中（~1e5 点），通过以下方式计算曲面细分deldir可能真的很慢。
我所说的“镶嵌”是指 Delaunay 三角形或 Voronoi 图，尽管我更喜欢前者。然而，它带来了基于原始数据点插值每个三角形颜色的额外复杂性。
这是一个基于的解决方案dirichlet来自maptools包裹，
d <- data.frame(x=runif(1e3, 0, 30), y=runif(1e3, 0, 30))
d$z = (d$x - 15)^2 + (d$y - 15)^2
library(spatstat)
library(maptools)
W <- ripras(df, shape="rectangle")
W <- owin(c(0, 30), c(0, 30))
X <- as.ppp(d, W=W)
Y <- dirichlet(X)
Z <- as(Y, "SpatialPolygons")
plot(Z, col=grey(d$z/max(d$z)))
我仍然不确定从 SpatialPolygons 类中提取多边形的方法。
另外，如果有一种简单的方法可以为相关的 delaunay 镶嵌生成“正确”的颜色，我也想听听。