大家好，小弟目前手边有两张同一景色在不同空气品质下所拍摄的灰阶影像，
其中空气干净者为A，严重污染者为B。
目前已知干净灰阶为污染灰阶与特定种类污染浓度的函数DN_clean(DN_dirty,con_tp)，
因此可用模式在给定DN_dirty与con_tp范围的情况下跑出DN_clean并以此建立查找表，
并透过A与B影像找出某类污染假设下的浓度空间分布C_1~3(三类污染物)：
C_n=griddata(DN_dirty(:), DN_clean(:), con_n(:),...
B(:), A(:));
取得各类污染物浓度空间分布后，理论上可再配合污染影像B来重建干净影像A：
A_n=griddata(DN_dirty(:), con_n(:), DN_clean(:),...
B(:), C_n(:));
在不同污染物假设下重建的A-n之间及与原始A应极为相似，
顶多有些许微小数值上的差异，但我实际跑出来却相差甚大，三种污染类型假设下，
仅一种所重建的A与原始A相近，另外两种为显著高估及低估灰阶。
想请问版上各位，是否我在griddata使用上或是理解上有误？
同时我也用过scatteredInterpolant进行同样的操作，但结果与目前一致，
问题出在哪部分？谢谢大家

是c-n还是c_n？code的部份

不好意思，没有标示清楚，文中A-n与C-n中间应为底线，表在第n种污染假设下所重建的影像A或是污染浓度C,实际code我这部分是采循环存在cell array中

程式用法应该没错，我倾向是数学上的问题可能要再检视一下理论吧？B不会同时有多种污染源吗？啊，太久没摸，突然想起来，你应该用ndgrid生成数值再丢meshgrid也可以http://bit.ly/2tdOp9e