# 基于规则网格采样数据的二维网格加密

本教程简要介绍如何使用规则网格采样数据进行网格加密。加密时，通过双线性插值计算网格节点处的水深值。

[返回示例目录](index.md)

以下保留原笔记本的代码和已保存输出；转换过程中未重新执行代码。

首先导入所需的库。

```python
import matplotlib.pyplot as plt
import numpy as np
from meshkernel import (
    GeometryList,
    GriddedSamples,
    MakeGridParameters,
    MeshKernel,
    MeshRefinementParameters,
    RefinementType,
)
```

`meshkernel` 提供了一组便捷方法，用于创建常见网格。

这里使用 `curvilinear_compute_rectangular_grid` 方法创建一个简单的曲线网格。该方法的完整参数请参阅相应文档。

```python
mk = MeshKernel()

make_grid_parameters = MakeGridParameters()
make_grid_parameters.num_columns = 4
make_grid_parameters.num_rows = 5
make_grid_parameters.angle = 0.0
make_grid_parameters.origin_x = 0.0
make_grid_parameters.origin_y = 0.0
make_grid_parameters.block_size_x = 100.0
make_grid_parameters.block_size_y = 100.0

mk.curvilinear_compute_rectangular_grid(make_grid_parameters)
```

将曲线网格转换为非结构网格，并获取生成的 `mesh2d`。

```python
mk.curvilinear_convert_to_mesh2d()
mesh2d_input = mk.mesh2d_get()
```

生成的网格可以按如下方式可视化。

```python
fig, ax = plt.subplots()
mesh2d_input.plot_edges(ax, color="black")
```

![单元格 8 的绘图输出](images/05_mesh2d_refinement_gridded_samples_8_0.png)

定义均匀间距的网格采样数据。

```python
gridded_samples = GriddedSamples(
    num_x=5,
    num_y=6,
    x_origin=-50.0,
    y_origin=-50.0,
    cell_size=100.0,
    values=np.array([-0.05] * 42, dtype=np.float32),
)
```

设置网格加密算法的参数。

```python
refinement_params = MeshRefinementParameters(
    refine_intersected=False,
    use_mass_center_when_refining=False,
    min_edge_size=2.0,
    refinement_type=RefinementType.WAVE_COURANT,
    connect_hanging_nodes=True,
    account_for_samples_outside_face=False,
    max_refinement_iterations=5,
)
```

现在可以执行加密。

```python
mk.mesh2d_refine_based_on_gridded_samples(gridded_samples, refinement_params, True)
```

绘制加密后的网格。

```python
mesh2d_output = mk.mesh2d_get()
fig, ax = plt.subplots()
mesh2d_output.plot_edges(ax, color="black")
```

![单元格 16 的绘图输出](images/05_mesh2d_refinement_gridded_samples_16_0.png)

如果采样网格间距不均匀，可以省略部分 `GriddedSamples` 参数，以另一种方式创建网格采样数据。

首先重新生成初始网格。

```python
mk.curvilinear_compute_rectangular_grid(make_grid_parameters)
mk.curvilinear_convert_to_mesh2d()
```

```python
fig, ax = plt.subplots()
mesh2d_input.plot_edges(ax, color="black")
```

![单元格 19 的绘图输出](images/05_mesh2d_refinement_gridded_samples_19_0.png)

当采样网格的 x 或 y 方向间距不均匀时，可以使用 `x_coordinates` 和 `y_coordinates` 参数指定非均匀间距。

```python
gridded_samples = GriddedSamples(
    x_coordinates=np.array([-50.0, 50.0, 150.0, 250.0, 350.0, 450.0], dtype=np.double),
    y_coordinates=np.array(
        [-50.0, 50.0, 150.0, 250.0, 350.0, 450.0, 550.0], dtype=np.double
    ),
    values=np.array([-0.05] * 42, dtype=np.float32),
)
```

```python
mk.mesh2d_refine_based_on_gridded_samples(gridded_samples, refinement_params, True)
```

```python
mesh2d_output = mk.mesh2d_get()
fig, ax = plt.subplots()
mesh2d_output.plot_edges(ax, color="black")
```

![单元格 23 的绘图输出](images/05_mesh2d_refinement_gridded_samples_23_0.png)