arcengine进行的二次开发的经典案例，可以实现IDW，克里金插值，放大缩小，地图的读取，加载等。适合C#初学者,以及从事ARCGIS二次开发的初学者

没有积分了，不好意思，只能要点积分了，希望对大家学习可以有点帮助

在网友的提供的程序基础上，经过修改，反距离加权插值法可以使用的，里面有的联系方式，可以留言

反距离加权插值法idw的matlab算法，含文件《IDW在医学断层图像可视化中的应用》及《基于ArcGIS两种空间插值方法的比较》。

图片变形算法IDW和RBF（附c++源码）-附件资源

idw算法matlab代码基于正则化子空间方法和协同表示的高光谱影像异常检测 这是用于高光谱异常检测的 matlab 代码（LSAD-CR-IDW 和 LSUNRSORAD 算法） 有关该项目的更多信息，请参阅我们的论文： 【共同第一作者】 先决条件： matlab R2018b 其他相关论文： [1]tanh坤，苏增福侯，Dongelei马云，虞陈，钱渡。 [J]. 遥感, 2019, 11(13): 1578. [共同第一作者] [2]侯苏增福，李炜，Lianru高，张冰，马Pengge和君临太阳。 (2020) [口头] [3]侯苏增福，李炜，陶然，Pengge马和石蔚华。 [J]. 中国科学信息科学。 2020。 [4] 刘军，侯增福，李伟，冉涛，达尼洛·奥兰多，李洪斌。 [J]. IEEE 神经网络和学习系统汇刊，doi：10.1109/TNNLS.2021.3071026。 [第二作者] 我的个人网站： 1.Github网站： 2.CSDN中文博客： 接触： 电子邮件：

在给定地理区域内的每个点上，获取任何给定连续现象的时空信息实际上是不可能的，也没有必要。 最实用的方法一直是在给定的地理区域内获取尽可能多的样本点中有关现象的信息，并通过空间插值从观测点的值估计未观测点的值。 但是，重要的是，用户应了解不同的插值方法在不同的数据集上各有优缺点。 在不考虑认知度，数据集的类型和性质以及所涉及的现象的情况下，笼统地说给定的插值方法（例如，克里格法，反距离加权（IDW），样条线等）比另一种方法要好。 在本文中，我们在理论上，数学上和实验上分别评估了Kriging，IDW和样条插值方法在估计未观测到的高程值和建模地形方面的性能。 本文根据这些插值方法的预测均值误差，预测均方根误差和交叉验证输出进行比较分析。 针对偏倚和归一化数据的每种方法的实验结果表明，与IDW和Kriging方法相比，样条线在样本空间内提供了更好，更准确的插值。 插值方法的选择应取决于现象和数据集结构。

ArcGIS学习总结（16）——反距离权重法插值及批处理（IDW)

C++源码，反距离权重法主要依赖于反距离的幂值，幂参数可基于距输出点的距离来控制已知点对内插值的影响。幂参数是一个正实数，默认值为2。（一般0.5到3的值可获得最合理的结果）。

C++简单实现反距离插值算法。