الاستيفاء متعدد المتغيرات

• الاستيفاء باستخدام أقرب جار
• الاستيفاء الخطي من الرتبة n (انظر الاستيفاء الخطي الثنائي والثلاثي ومتعدد الحدود الخطي )
• الاستيفاء التكعيبي من الرتبة n (انظر الاستيفاء التكعيبي الثنائي والثلاثي )
• كريغينغ
• ترجيح المسافة العكسية
• الاستيفاء باستخدام الجوار الطبيعي
• الاستيفاء باستخدام الدوال التكعيبية
• الاستيفاء باستخدام دالة الأساس الشعاعي

• استيفاء بارنز
• الاستيفاء الثنائي الخطي
• الاستيفاء ثنائي التكعيب
• سطح بيزير
• إعادة أخذ العينات باستخدام لانكزوس
• التثليث ديلاوناي

إعادة تشكيل الصور النقطية هي تطبيق للاستيفاء متعدد المتغيرات ثنائي الأبعاد في معالجة الصور .

تم تطبيق ثلاث من الطرق على نفس مجموعة البيانات، انطلاقاً من 25 قيمة موجودة عند النقاط السوداء. تمثل الألوان القيم المُستكملة.

انظر أيضًا إلى نقاط بادوا ، للاستيفاء متعدد الحدود في متغيرين.

• الاستيفاء ثلاثي الخطوط
• الاستيفاء ثلاثي التكعيب

انظر أيضًا إعادة تشكيل الصور النقطية .

يمكن تعميم منحنيات كاتمول-روم بسهولة لتشمل أي عدد من الأبعاد. ستذكرك مقالة منحنيات هيرميت المكعبة بذلك.${\displaystyle \mathrm {CINT} _{x}(f_{-1},f_{0},f_{1},f_{2})=\mathbf {b} (x)\cdot \left(f_{-1}f_{0}f_{1}f_{2}\right)}$بالنسبة لبعض المتجهات الرباعية${\displaystyle \mathbf {b} (x)}$وهي دالة تعتمد على x فقط، حيث${\displaystyle f_{j}}$هي القيمة عند${\displaystyle j}$للدالة المراد استيفاؤها. أعد كتابة هذا التقريب على النحو التالي:

${\displaystyle \mathrm {CR} (x)=\sum _{i=-1}^{2}f_{i}b_{i}(x)}$

يمكن تعميم هذه الصيغة مباشرة إلى N من الأبعاد: ^{[ 2 ]}

${\displaystyle \mathrm {CR} (x_{1},\dots ,x_{N})=\sum _{i_{1},\dots ,i_{N}=-1}^{2}f_{i_{1}\dots i_{N}}\prod _{j=1}^{N}b_{i_{j}}(x_{j})}$

تجدر الإشارة إلى أنه يمكن تطبيق تعميمات مماثلة على أنواع أخرى من استيفاءات الدوال التكعيبية، بما في ذلك دوال هيرميت التكعيبية. وفيما يتعلق بالكفاءة، يمكن في الواقع حساب الصيغة العامة كتركيب لـ${\displaystyle \mathrm {CINT} }$عمليات من النوع - لأي نوع من أنواع دوال التكعيب الثلاثية، كما هو موضح في مقال الاستيفاء ثلاثي التكعيب . ومع ذلك، تبقى الحقيقة أنه إذا كان هناك${\displaystyle n}$المصطلحات في البعد الواحد${\displaystyle \mathrm {CR} }$-مثل الجمع، سيكون هناك${\displaystyle n^{N}}$بنود في${\displaystyle N}$الجمع ذو الأبعاد.