我有一个矩阵，其灰度值介于0 and 1。对于矩阵中的每个条目，都有一定的极坐标来指示灰度值的位置。我已经有Theta and Rho值（极坐标），均位于单独的 512×960 矩阵中。和灰度值（在称为矩阵C）对于每一个Theta and Rho组合。我也有同样的X and Y，因为我刚刚使用pol2cart为了转型。问题是我无法直接绘制这些值，因为它们尚未适合新矩阵的“容器”。
我想要的：将灰度值放入大小为 1024×1024 的方阵中。我不能直接这样做，因为极坐标落在该矩阵的网格之间。因此，我们现在使用插值，但这非常耗时，并且必须对每个数据集单独完成，尽管从原始矩阵到最终矩阵的转换始终是相同的。因此，我想一次性求解该矩阵（无论是解析式还是数值式），并使用矩阵乘法或类似的方法在代码的每个周期中有效地应用操作。
这些转换之一可能如下所示的一个示例：
第一个矩阵中的零点是网格，值1（网格之间）是落在四个网格点之间的灰度值，然后我想转换为第二个矩阵（不介意点之间的视觉间距）。
对于每个数据集，我都有数百个这样的矩阵，因此我希望使代码更加高效。
背景：我正在使用TriScatteredInterp现在进行插值。我们尝试了scatteredInterpolant也是如此，但速度较慢。我也发帖了一个相关的问题 https://stackoverflow.com/questions/37170450/matlab-polar-coordinates-grey-scale-plot，但决定拆分这两种可能的解决方案，因为我在这里要求的解决方案也适用于非 MATLAB 代码，并且可能会更快，并且可以使代码执行更顺畅（不会连续弹出数字）。
图像的工作方式与您拥有的数据略有不同。然而，将一种表示映射到另一种表示相当简单。
我只看到一个问题：包装。显然，θ = 2π = 0，但 MATLAB 并不知道这一点。 AFAIK，没有简单的方法可以告诉 MATLAB 这一点。
为什么这很重要？嗯，简单地说，像素间插值使用来自最近的信息N邻居寻找中间颜色，N取决于插值内核。在图像中间的某个位置执行此操作没有问题，但在边缘处，MATLAB 必须知道左边缘等于右边缘。这不是标准的图像处理，我不知道有任何功能可以做到这一点。
现在，当忽略包装问题时，这是一种方法：
function resize_polar()
%% ORIGINAL IMAGE
% ==========================================================================
% Some random greyscale data
C = double(rgb2gray(imread('stars.png')))/255;
% Your current size, and desired size
sz_x = size(C,2); new_sz_x = 1024;
sz_y = size(C,1); new_sz_y = 1024;
% Ranges for teat and rho;
% replace with your actual values
rho_start = 0; theta_start = 0;
rho_end = 10; theta_end = 2*pi;
% Generate regularly spaced grid;
theta = linspace(theta_start, theta_end, sz_x);
rho = linspace(rho_start, rho_end, sz_y);
[theta, rho] = meshgrid(theta,rho);
% Make plot of generated data
plot_polar(theta, rho, C, 'Original image');
% Resize data
[theta,rho,C] = resize_polar_data(theta, rho, C, [new_sz_y new_sz_x]);
% Make plot of generated data
plot_polar(theta, rho, C, 'Rescaled image');
end
function [theta,rho,data] = resize_polar_data(theta,rho,data, new_dims)
% Create fake RGB image cube
IMG = cat(3, theta,rho,data);
% Rescale as if theta and rho are RG color data in the RGB
% image cube
IMG = imresize(IMG, new_dims, 'nearest');
% Split up the data again
theta = IMG(:,:,1);
rho = IMG(:,:,2);
data = IMG(:,:,3);
end
function plot_polar(theta, rho, data, label)
[X,Y] = pol2cart(theta, rho);
figure('renderer', 'opengl')
clf, hold on
surf(X,Y,zeros(size(X)), data, ...
'edgecolor', 'none');
colormap gray
title(label);
end
使用和绘制的图像：
Le awesomely-drawn 512×960 PNG image
现在，两者看起来是一样的（实在找不到更合适的图像），所以你必须相信我，512×960 确实已经通过最近邻插值重新缩放到 1024×1024。
以下是实际的一些时间安排imresize()一些简单内核的操作：
nearest : 0.008511 seconds.
bilinear: 0.019651 seconds.
bicubic : 0.025390 seconds. <-- default kernel
但这很大程度上取决于您的硬件；我相信imresize将大量工作转移到 GPU，因此如果你的 GPU 性能较差，它会变慢。
如果环绕问题对您来说确实很重要，您可以修改上面的函数以执行以下操作：
imresize()像以前一样imresize()
现在，这是一种蛮力方法：您正在重新缩放图像twice，第二轮图像的大部分像素将被丢弃。如果性能是一个问题，您当然可以仅将重新缩放应用于该中间图像的中央条带。但是，这会有点复杂。