我们要做什么呢？就是输入一个二维数组，

TestData = new double[9, 6] {{ 26,28,29,32,28,27},{ 27,30,32,35,30,28},{ 24,27,30,27,25,24},{ 22,20,25,28,26,23},{ 19,15,20,26,25,24},{ 17,18,23,27,26,22},{ 18,22,28,26,23,22},{ 18,18,23,22,22,19},{ 19,25,24,21,20,18}
};

然后输出类似下面的一个图：

其实云图跟等高线图有类似的地方，如果我们把图中的色彩减少，就会比较明显地看到线的轮廓：

绘制云图，其实最重要的就是插值问题。我们可以看到，原始的二维数组是9*6的，但我们显示的图片像素大致是600*500，甚至我们可能需要显示更大的图片。那除了9*6=54个点，其他的30万个点都是什么值呢？

为了简化问题，我们看下图：

我们假设全部格子就是图片的全部像素，而二维数组均匀地填在了某些位置。我们现在要做的，就是在空白区域填值。我们看格子A，它应该填什么值呢？有的人说，A直接根据10和12就能算出来。那我们不用考虑20和23对它的影响吗？假如二维数组代表了一些发热管的温度，那20和23肯定对A有影响。甚至，18、15这些点，对A都有影响。那么，我们现在就来看三种填值的算法。

算法一、点距离反比插值

这种算法比较适合绘制点源产生影响的云图。第一步，我们先把二维数组均匀地放到表格里面，正如上面的表格所示。我们把目前已经填上的数据称为定值。

然后我们看其他空白格子。平面上的任何一个点都受到了定值的影响，但肯定不是所有定值的影响都一样。我们很容易看出，距离越近，影响越大，距离越远，影响越小。一般我们认为，定值对点的影响，跟距离的平方成反比。那么，我们可以用下面的公式，求出每一个空白格子的值：

$\frac{\sum DijVij}{\sum Dij}$

其中，Dij是点到每一个定值的距离平方的倒数，Vij是每一个定值。假设现在要求的点的坐标为(x,y)，我们的二维数组是data(M,N)，那么，上面的公式用代码写就是：

double SumD = 0;
double SumDV = 0;
for (int i = 0; i < M; i++)
{for (int j = 0; j < N; j++){double D = 1 / (Math.Pow(i - x, 2) + Math.Pow(j - y, 2));SumD += D;SumDV += D * data[i, j];}
}
double value = SumDV / SumD;

上面的代码求出了一个点的值，我们可以看到，如果是9*6的二维数组，它一共循环了54次。然后总共是30万个点，那么总共要循环1620万次，而且每一次循环都有三个乘法和一个除法。

如果写到这里就运行程序的话，你必定会发现，这个算法很慢！

于是，我做了几个方面的优化：

（1）其实我们没必要计算所有定值对点的影响，远一些的定值，其影响微乎其微，可以忽略。所以，我先求出跟点最近的定值，然后计算周围3*3=9个定值对它的影响。

（2）我们可以减少循环里面的乘法次数。我们知道，第1个点到第3个点，和第3个点到第5个点，它们的距离是一样的。也就是说，计算它们距离的时候，必定会重复计算2的平方。其实我们可以用查表法代替乘法。假设我们的图形是600*500，我们可以建一个长600的数组，然后把0-599的平方都放进去。那么array[i]就代表了i的平方。寻址比乘法要快得多。

经过上面两个方法的优化，程序运行时间勉强可以接受。

下面是算法一的结果图：

使用算法一，比较明显的特点是原数组点比较突出。所以在目标源是点的场合，比较适用。另外，由于采用了优化方法一，我们可以看到图中有一些边界。暂时还没有很好的解决办法。

算法二、双线性插值

双线性插值是一种比较常见的图片放大算法。读者可以直接到百度搜索，查看它的详细原理，本文就不介绍了。

在应用上，我们每一步跟算法一是一致的，就是把二维数组均匀地放到表格里面。然后其他空白值，使用定值去插值。

如图所示：

V1、V2、V3、V4都是定值，而P是空白格子，根据上面的信息，我们在纸上面演算一下，很快就能得出公式，具体的代码是：

private double DoubleLinear(int m, int n, int X, int Y, double V1, double V2, double V3, double V4)
{return (m * n * (V3 - V4 - V2 + V1) + X * n * (V4 - V1) + m * Y * (V2 - V1)) / (X * Y) + V1;
}

这就是P点的值。可以看到，每一个点，并不需要循环得出，所以我们只要30万次循环就能求出所有点的值（看上去好像挺多，但跟1620万比，已是两个数量级），时间上来说还是比较快的。

我们来看看算法二得出的结果：

可以看到，形状跟算法一基本一致，但很明显有一些十字交叉的图形。这一般来说并不是我们希望看到的。而且，算法二只考虑了一个点跟它周围四个定值的关系，完全忽略了其他定值的影响。

算法三、面距离反比+双线性插值

这是最复杂的一个算法，也是个人觉得效果最好的一个算法。可以看到，上面两种算法，都是把二维数组的数据作为点来看待的。但其实有的时候，二维数组的数据代表了一个区域的平均值。也就是说，原始的数据，看起来应该是这样的：

然后我们需要做的，就是对这个图进行平滑处理。

首先，我们用到算法一的方法。只是对于每一个点，我们不再借助54个定值求值了，我们用的，是整个图的数据。那么，你不用写代码，就应该意识到，每一个点的值，都要循环30万次求出来，然后，总共有30万个点要求，30万*30万……这个数我都不打算写出来了，打开程序算个几天都算不出来。

那怎么办！

我想到的办法是，原始数组不要扩大到600*500，而是先扩大几倍，例如说4倍，也就是说扩大到一个36*24的尺寸。但这样的尺寸实在太小，我们没办法实用啊！

（这是扩大6倍的图，4倍实在看不清）

但我们可以发现，上面的图除了比较小，基本轮廓是很不错的。我们再对这个图进行双线性插值不就行了吗！

我们根据需要展示的图尺寸确定XY各要增大的倍数，然后使用双线性插值，得到的结果如下：

使用此算法有一点需要注意，就是做面距离反比之后，表格里面可能一个原来数组的数都没有，而且范围变了。例如原来数组是15-35的数，做完面距离反比之后，可能表格里数据的范围是18-31。必须对数组进行扩展，然后再进行双线性插值。

三种算法的性能比较

三种算法使用的时间如下表所示：

算法一、点距离反比插值	1864ms
算法二、双线性插值	18ms
算法三、面距离反比+双线性插值	35ms

可以看到，即使经过优化，算法一还是最耗时间。虽然算法二最快，但实用性不大。

数据渲染方法

我们可以看到，经过上面三种算法的插值计算之后，得到的无非是一个跟图形相同尺寸的二维数组，怎么把这个二维数组用颜色表示出来，变成云图呢？

其实方法很简单。我们先确定一个颜色列表，例如是#FA1207,#FAAD07,#ECFA07,#07FAA7,#07C4FA,#072FFA。这里六种颜色肯定不够用的，我们需要插值。对，颜色也要插值。可以按RGB分别计算。例如第一个颜色的G是0x12，第二个颜色G是0xAD，如果中间要插5个值，那每个值的增量就是(0xAD-0x12)/(5+1)了。

经过插值，我们可能得到一个有上百种颜色的列表。然后数组里的值需要跟这些颜色对应起来。我们可以求出数组的最小最大值，然后划分为跟颜色列表相同的数量，就能得到一个数据增量。借助此增量，可以算出每个值对应的颜色。

好，绘制云图的方法介绍到这里。源码下载

绘制云图的三种算法（附C#代码）相关推荐

三位数最大公约数c语言,C语言求最小公倍数和最大公约数三种算法(经典)(示例代码)...
把以前写的一些经验总结汇个总,方便给未来的学弟学妹们做个参考! --------------------------永远爱你们的:Sakura 最小公倍数:数论中的一种概念,两个整数公有的倍数成为他们 ...
LCA 朴素算法+树差分倍增+Tarjan算法三种算法实现c++代码实现
哔哩哔哩up视频:https://www.bilibili.com/video/BV1nE411L7rz?t=379 转载:http 文章目录树差分 & 倍增LCA Tarjan 朴素算法 ...
【雷达】基于RD、RMA、CS三种算法实现雷达成像附matlab代码
1 简介基于RD.RMA.CS三种算法实现雷达成像matlab代码 2 完整代码 %Chirp Scaling二维成像仿真. %抛物面聚焦,条带测绘,正侧视工作方式. 匹配滤波.%目标为3个散射点 ...
最短路小结（三种算法+各种常见变种）
额,博主只是做了几(约数)道题而已,写这篇小结纯粹想留作纪念(勿喷,但是可以交流)(那啥,转载的话注明一下来源..打字不容易..) 最短路呢,包括三种算法,但是各有各的变种,其中变化有很多. 简单记录 ...
爱因斯坦谜题解答(三种算法比较)
爱因斯坦谜题: 在一条街上有颜色互不相同的五栋房子,不同国籍的人分别住在这五栋房子力,每人抽不同品牌的香烟,喝不同的饮料,养不同的宠物.已知如下情况: 1. 英国人住红色房子里. 2. 瑞 ...
EL之DTRFGBT：基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能
EL之DT&RF&GBT:基于三种算法(DT.RF.GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能目录输出结果设计思路核心代码输出结果设计思路核 ...
pyecharts学习(part1)--绘制图表的三种方式
学习笔记,仅供参考,有错必究文章目录 pyecharts学习绘制图表的三种方式绘制的图表生成HTML jupyter notebook 内嵌展示 pyecharts生成图片 pyecharts学 ...
java 求最大公因数_求最大公约数的三种算法（java实现）
三种算法: //欧几里得算法(辗转相除): public static int gcd(int m,int n) { if(m int k=m; m=n; n=k; } //if(m%n!=0) { ...
SQL Server 索引基础知识(10)----Join 时的三种算法简介
我们书写查询语句的时候,Join 参数之前可以是下面三个 { LOOP | MERGE | HASH } JOIN . 如果不使用,则系统自己分析那种方式快,使用那种方式. 这其实是SQL Serv ...

绘制云图的三种算法（附C#代码）