WikiDer > Ikki tomonlama interpolatsiya

Taqqoslash Ikki tomonlama interpolatsiya ba'zi 1 va 2 o'lchovli interpolatsiyalar bilan. Qora va qizil / sariq / yashil / ko'k nuqta mos ravishda interpolyatsiya qilingan nuqtaga va qo'shni namunalarga mos keladi. Ularning erdan balandliklari ularning qadriyatlariga mos keladi.

Yilda matematika, ikki tomonlama interpolatsiya ning kengaytmasi kubikli interpolatsiya uchun interpolatsiya qilish a bo'yicha ma'lumotlar nuqtalari ikki o'lchovli muntazam panjara. Interpolatsiyalangan sirt silliqroq tomonidan olingan mos keladigan sirtlarga qaraganda bilinear interpolatsiya yoki eng yaqin qo'shni interpolatsiya. Ikki tomonlama interpolatsiyani ikkitasi yordamida amalga oshirish mumkin Lagranj polinomlari, kubik splinelar, yoki kub konversiyasi algoritm.

Yilda tasvirni qayta ishlash, ikki tomonlama interpolatsiya ko'pincha bilinear yoki yaqin qo'shni interpolatsiyadan tanlanadi tasvirni qayta namunalash, tezlik muammo emas. Bilinear interpolatsiyadan farqli o'laroq, bu faqat 4 ni oladi piksel (2 × 2) hisobga olinsa, bikubik interpolatsiya 16 piksel (4 × 4) ni ko'rib chiqadi. Ikki tomonlama interpolatsiya bilan qayta joylashtirilgan rasmlar yumshoqroq va kamroq interpolatsiyaga ega asarlar.

Hisoblash

Maydonda ikki tomonlama interpolatsiya ${ displaystyle [0,4] marta [0,4]}$ yamalgan 25 birlik maydonidan iborat. Ikki tomonlama interpolatsiya Matplotlibamalga oshirish. Rang funktsiya qiymatini bildiradi. Qora nuqta - belgilangan ma'lumotlarning interpolatsiya qilinadigan joylari. Rang namunalari qanday qilib radial nosimmetrik emasligiga e'tibor bering.

Ikki chiziqli interpolatsiya yuqoridagi ma'lumotlar to'plamida. Kvadrat chegaralarida sirt hosilalari doimiy emas.

Eng yaqin qo'shni interpolatsiya yuqoridagi ma'lumotlar to'plamida.

Deylik, funktsiya qiymatlari ${ displaystyle f}$ va hosilalar ${ displaystyle f_ {x}}$, ${ displaystyle f_ {y}}$ va ${ displaystyle f_ {xy}}$ to'rt burchakda ma'lum ${ displaystyle (0,0)}$, ${ displaystyle (1,0)}$, ${ displaystyle (0,1)}$va ${ displaystyle (1,1)}$ birlik kvadratining. Keyin interpolyatsiya qilingan sirtni quyidagicha yozish mumkin

${ displaystyle p (x, y) = sum limitlar _ {i = 0} ^ {3} sum _ {j = 0} ^ {3} a_ {ij} x ^ {i} y ^ {j} .}$

Interpolatsiya muammosi 16 koeffitsientni aniqlashdan iborat ${ displaystyle a_ {ij}}$.Matching ${ displaystyle p (x, y)}$ funktsiya qiymatlari bilan to'rtta tenglama hosil bo'ladi:

1. ${ displaystyle f (0,0) = p (0,0) = a_ {00},}$
2. ${ displaystyle f (1,0) = p (1,0) = a_ {00} + a_ {10} + a_ {20} + a_ {30},}$
3. ${ displaystyle f (0,1) = p (0,1) = a_ {00} + a_ {01} + a_ {02} + a_ {03},}$
4. ${ displaystyle f (1,1) = p (1,1) = textstyle sum limitlar _ {i = 0} ^ {3} sum limit _ {j = 0} ^ {3} a_ {ij }.}$

Xuddi shunday, ichida hosilalar uchun sakkizta tenglama ${ displaystyle x}$ va ${ displaystyle y}$ ko'rsatmalar:

1. ${ displaystyle f_ {x} (0,0) = p_ {x} (0,0) = a_ {10},}$
2. ${ displaystyle f_ {x} (1,0) = p_ {x} (1,0) = a_ {10} + 2a_ {20} + 3a_ {30},}$
3. ${ displaystyle f_ {x} (0,1) = p_ {x} (0,1) = a_ {10} + a_ {11} + a_ {12} + a_ {13},}$
4. ${ displaystyle f_ {x} (1,1) = p_ {x} (1,1) = textstyle sum limitlar _ {i = 1} ^ {3} sum limitlar _ {j = 0} ^ {3} a_ {ij} i,}$
5. ${ displaystyle f_ {y} (0,0) = p_ {y} (0,0) = a_ {01},}$
6. ${ displaystyle f_ {y} (1,0) = p_ {y} (1,0) = a_ {01} + a_ {11} + a_ {21} + a_ {31},}$
7. ${ displaystyle f_ {y} (0,1) = p_ {y} (0,1) = a_ {01} + 2a_ {02} + 3a_ {03},}$
8. ${ displaystyle f_ {y} (1,1) = p_ {y} (1,1) = textstyle sum limit _ {i = 0} ^ {3} sum limit _ {j = 1} ^ {3} a_ {ij} j.}$

Va uchun to'rtta tenglama ${ displaystyle xy}$ aralash qisman hosilasi:

1. ${ displaystyle f_ {xy} (0,0) = p_ {xy} (0,0) = a_ {11},}$
2. ${ displaystyle f_ {xy} (1,0) = p_ {xy} (1,0) = a_ {11} + 2a_ {21} + 3a_ {31},}$
3. ${ displaystyle f_ {xy} (0,1) = p_ {xy} (0,1) = a_ {11} + 2a_ {12} + 3a_ {13},}$
4. ${ displaystyle f_ {xy} (1,1) = p_ {xy} (1,1) = textstyle sum limitlar _ {i = 1} ^ {3} sum limitlar _ {j = 1} ^ {3} a_ {ij} ij.}$

Yuqoridagi iboralar quyidagi identifikatorlardan foydalangan:

${ displaystyle p_ {x} (x, y) = textstyle sum limitlar _ {i = 1} ^ {3} sum chegaralar _ {j = 0} ^ {3} a_ {ij} ix ^ { i-1} y ^ {j},}$

${ displaystyle p_ {y} (x, y) = textstyle sum limitlar _ {i = 0} ^ {3} sum limitlar _ {j = 1} ^ {3} a_ {ij} x ^ { i} jy ^ {j-1},}$

${ displaystyle p_ {xy} (x, y) = textstyle sum limitlar _ {i = 1} ^ {3} sum limitlar _ {j = 1} ^ {3} a_ {ij} ix ^ { i-1} jy ^ {j-1}.}$

Ushbu protsedura sirtni beradi ${ displaystyle p (x, y)}$ ustida birlik kvadrat ${ displaystyle [0,1] marta [0,1]}$ bu doimiy va doimiy hosilalari bor. O'zboshimchalik bilan o'lchamdagi bikubik interpolatsiya muntazam panjara shundan keyin derivativlarning chegaralarga to'g'ri kelishini ta'minlab, bunday bikubik sirtlarni bir-biriga yopishtirish orqali erishish mumkin.

Noma'lum parametrlarni guruhlash ${ displaystyle a_ {ij}}$ vektorda

${ displaystyle alpha = left [{ begin {smallmatrix} a_ {00} & a_ {10} & a_ {20} & a_ {30} & a_ {01} & a_ {11} & a_ {21} & a_ {31} & a_ {02 } va a_ {12} va a_ {22} va a_ {32} va a_ {03} va a_ {13} va a_ {23} va a_ {33} end {smallmatrix}} right] ^ {T}}$

va ruxsat berish

${ displaystyle x = left [{ begin {smallmatrix} f (0,0) & f (1,0) & f (0,1) & f (1,1) & f_ {x} (0,0) & f_ {x) } (1,0) & f_ {x} (0,1) & f_ {x} (1,1) & f_ {y} (0,0) & f_ {y} (1,0) & f_ {y} (0,1) ) & f_ {y} (1,1) & f_ {xy} (0,0) & f_ {xy} (1,0) & f_ {xy} (0,1) & f_ {xy} (1,1) end {smallmatrix) }} o'ng] ^ {T},}$

yuqoridagi tenglamalar tizimini chiziqli tenglama matritsasi shaklida qayta tuzish mumkin ${ displaystyle A alfa = x}$.

Matritsani teskari yo'naltirish yanada foydali chiziqli tenglamani beradi ${ displaystyle A ^ {- 1} x = alfa}$, qayerda

${ Displaystyle A ^ {- 1} = tark [{{smallmatrix} boshlanadi 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 - 3 & 3 & 0 & 0 & -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 2 & -2 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 0 & 0 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & -3 & 3 & 0 & 0 & -2 & - 1 & 0 & 0 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 2 & -2 & 0 & 0 & 1 & 1 & 0 & 0 - 3 & 0 & 3 & 0 & 0 & 0 & 0 & 0 & -2 & 0 & -1 & 0 & 0 & 0 & 0 & 0 0 & 0 & 0 & 0 & -3 & 0 & 3 & 0 & 0 & 0 & 0 & 0 & -2 & 0 & -1 & 0 9 & -9 & -9 & 9 va 6 & 3 & -6 & -3 va 6 & -6 & 3 & -3 & 4 & 2 & 2 & 1 - 6 va 6 va 6 & -6 & -3 & -3 & 3 & 3 & -4 & 4 & -2 & 2 & -2 & -2 & -1 & -1 2 & 0 & -2 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 1 & 0 & 0 & 0 & 0 & 0 & 0 0 & 0 & 0 & 0 & 2 & 0 & -2 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 1 & 0 - 6 & 6 & 6 & -6 & 4 & 2 & 4 & 4 & 4 & 4 & 4 & 4 & -4 & & & &; 2 & -2 & 2 & -2 & 2 & -2 & 1 & 1 & 1 & 1 end {smallmatrix}} right],}$

bu imkon beradi ${ displaystyle alpha}$ tez va osonlik bilan hisoblash uchun.

16 koeffitsient uchun yana bir ixcham matritsa shakli bo'lishi mumkin:

${ displaystyle { begin {bmatrix} f (0,0) & f (0,1) & f_ {y} (0,0) & f_ {y} (0,1) f (1,0) & f (1) , 1) & f_ {y} (1,0) & f_ {y} (1,1) f_ {x} (0,0) & f_ {x} (0,1) & f_ {xy} (0,0) & f_ {xy} (0,1) f_ {x} (1,0) & f_ {x} (1,1) & f_ {xy} (1,0) & f_ {xy} (1,1) end { bmatrix}} = { begin {bmatrix} 1 & 0 & 0 & 0 1 & 1 & 1 & 1 & 1 0 & 1 & 0 & 0 0 & 1 & 2 & 3 end {bmatrix}} { begin {bmatrix} a_ {00} & a_ {01} & a_ {02} & a_ {03} a_ {10} & a_ {11} & a_ {12} & a_ {13} a_ {20} & a_ {21} & a_ {22} & a_ {23} a_ {30} & a_ {31} & a_ {32} & a_ { 33} end {bmatrix}} { begin {bmatrix} 1 & 1 & 0 & 0 0 & 1 & 1 & 1 0 & 1 & 0 & 2 0 & 1 & 0 & 3 end {bmatrix}},}$

yoki

${ displaystyle { begin {bmatrix} a_ {00} & a_ {01} & a_ {02} & a_ {03} a_ {10} & a_ {11} & a_ {12} & a_ {13} a_ {20} & a_ {21} & a_ {22} & a_ {23} a_ {30} & a_ {31} & a_ {32} & a_ {33} end {bmatrix}} = { begin {bmatrix} 1 & 0 & 0 & 0 0 & 0 & 1 & 0 - 3 & 3 & -2 & -1 2 & -2 & 1 & 1 end {bmatrix}} { begin {bmatrix} f (0,0) & f (0,1) & f_ {y} (0,0) & f_ {y} (0,1) ) f (1,0) & f (1,1) & f_ {y} (1,0) & f_ {y} (1,1) f_ {x} (0,0) & f_ {x} (0) , 1) & f_ {xy} (0,0) & f_ {xy} (0,1) f_ {x} (1,0) & f_ {x} (1,1) & f_ {xy} (1,0) & f_ {xy} (1,1) end {bmatrix}} { begin {bmatrix} 1 & 0 & -3 & 2 0 & 0 & 3 & -2 0 & 1 & -2 & 1 0 & 0 & -1 & 1 end {bmatrix}},}$

qayerda

${ displaystyle p (x, y) = { begin {bmatrix} 1 & x & x ^ {2} & x ^ {3} end {bmatrix}} { begin {bmatrix} a_ {00} & a_ {01} & a_ {02} & a_ {03} a_ {10} & a_ {11} & a_ {12} & a_ {13} a_ {20} & a_ {21} & a_ {22} & a_ {23} a_ {30} & a_ {31} & a_ {32} & a_ {33} end {bmatrix}} { begin {bmatrix} 1 y y ^ {2} y ^ {3} end {bmatrix}}.}$

To'g'ridan-to'g'ri chiziqlarga kengaytma

Ko'pincha, dasturlar birlik kvadratidan emas, balki to'g'ri chiziqli tarmoqdagi ma'lumotlardan foydalanib, bikubik interpolatsiyani talab qiladi. Bunday holda, uchun identifikatorlar ${ displaystyle p_ {x}, p_ {y},}$ va ${ displaystyle p_ {xy}}$ bo'lish

${ displaystyle p_ {x} (x, y) = textstyle sum limitlar _ {i = 1} ^ {3} sum limitlar _ {j = 0} ^ {3} { frac {a_ {ij } ix ^ {i-1} y ^ {j}} { Delta x}},}$

${ displaystyle p_ {y} (x, y) = textstyle sum limitlar _ {i = 0} ^ {3} sum limitlar _ {j = 1} ^ {3} { frac {a_ {ij } x ^ {i} jy ^ {j-1}} { Delta y}},}$

${ displaystyle p_ {xy} (x, y) = textstyle sum limitlar _ {i = 1} ^ {3} sum limitlar _ {j = 1} ^ {3} { frac {a_ {ij } ix ^ {i-1} jy ^ {j-1}} { Delta x Delta y}},}$

qayerda ${ displaystyle Delta x}$ bo'ladi ${ displaystyle x}$ nuqtani o'z ichiga olgan katakning oralig'i ${ displaystyle (x, y)}$ va shunga o'xshash ${ displaystyle Delta y}$.Bunday holda, koeffitsientlarni hisoblash uchun eng amaliy yondashuv ${ displaystyle alpha}$ ruxsat berishdir

${ displaystyle x = left [{ begin {smallmatrix} f (0,0) & f (1,0) & f (0,1) & f (1,1) & Delta xf_ {x} (0,0)) & Delta xf_ {x} (1,0) & Delta xf_ {x} (0,1) & Delta xf_ {x} (1,1) & Delta yf_ {y} (0,0) & Delta yf_ {y} (1,0) & Delta yf_ {y} (0,1) & Delta yf_ {y} (1,1) & Delta x Delta yf_ {xy} (0,0) & Delta x Delta yf_ {xy} (1,0) & Delta x Delta yf_ {xy} (0,1) & Delta x Delta yf_ {xy} (1,1) end {smallmatrix}} o'ng] ^ {T},}$

keyin hal qilish uchun ${ displaystyle alpha = A ^ {- 1} x}$ bilan ${ displaystyle A}$ oldingi kabi. Keyinchalik, normallashtirilgan interpolatsiya qiluvchi o'zgaruvchilar quyidagicha hisoblanadi

${ displaystyle { overline {x}} = { frac {x-x_ {0}} {x_ {1} -x_ {0}}}}$,

${ displaystyle { overline {y}} = { frac {y-y_ {0}} {y_ {1} -y_ {0}}}}$

qayerda ${ displaystyle x_ {0}, x_ {1}, y_ {0},}$ va ${ displaystyle y_ {1}}$ ular ${ displaystyle x}$ va ${ displaystyle y}$ nuqtani o'rab turgan panjara nuqtalarining koordinatalari ${ displaystyle (x, y)}$. Keyin, interpolatsiya qiluvchi sirt bo'ladi

${ displaystyle p (x, y) = sum limitlar _ {i = 0} ^ {3} sum _ {j = 0} ^ {3} a_ {ij} { overline {x}} ^ {i } { overline {y}} ^ {j}.}$

Funktsiya qiymatlaridan hosilalarni topish

Agar hosilalar noma'lum bo'lsa, ular odatda birlik kvadratining burchaklariga qo'shni nuqtalardagi funktsiya qiymatlaridan taxmin qilinadi, masalan. foydalanish cheklangan farqlar.

Bitta lotinni topish uchun, ${ displaystyle f_ {x}}$ yoki ${ displaystyle f_ {y}}$, shu usul yordamida ikkalasi orasidagi qiyalikni toping atrof tegishli o'qda joylashgan. Masalan, hisoblash uchun ${ displaystyle f_ {x}}$ nuqtalardan biri uchun toping ${ displaystyle f (x, y)}$ maqsad nuqtaning chap va o'ng tomonidagi nuqtalar uchun va ularning qiyaligini hisoblang va shunga o'xshash tarzda ${ displaystyle f_ {y}}$.

Xoch hosilasini topish uchun ${ displaystyle f_ {xy}}$, lotinni ikkala o'qda birma-bir oling. Masalan, avval ${ displaystyle f_ {x}}$ ni topish tartibi ${ displaystyle x}$ maqsad nuqtadan yuqorida va pastda hosilalar, keyin foydalaning ${ displaystyle f_ {y}}$ bu qiymatlar bo'yicha protsedura (odatdagidek, ning qiymatlari o'rniga ${ displaystyle f}$ o'sha punktlar uchun) ning qiymatini olish ${ displaystyle f_ {xy} (x, y)}$ maqsadli nuqta uchun. (Yoki buni teskari yo'nalishda qilish mumkin, birinchi navbatda hisoblash ${ displaystyle f_ {y}}$ undan keyin ${ displaystyle f_ {x}}$ ulardan. Ikkalasi teng natijalarni beradi.)

Ma'lumotlar to'plamining chekkalarida, atrofdagi ba'zi bir nuqsonlar etishmayotgan bo'lsa, etishmayotgan nuqtalarni bir qator usullar bilan taxmin qilish mumkin. Oddiy va keng tarqalgan usul bu mavjud nuqtadan nishon nuqtagacha bo'lgan nishab qo'shimcha o'zgarishsiz davom etadi deb taxmin qilish va shu bilan yo'qolgan nuqta uchun faraziy qiymatni hisoblash.

Ikki tomonlama konvulsiya algoritmi

Ikki tomonlama spline interpolatsiyasi har bir katak hujayrasi uchun yuqorida tavsiflangan chiziqli tizimning echimini talab qiladi. Shunga o'xshash xususiyatlarga ega bo'lgan interpolatorni qo'llash orqali olish mumkin konversiya ikkala o'lchamdagi quyidagi yadro bilan:

${ displaystyle W (x) = { begin {case} (a ​​+ 2) | x | ^ {3} - (a + 3) | x | ^ {2} +1 & { text {for}} | x | leq 1, a | x | ^ {3} -5a | x | ^ {2} + 8a | x | -4a & { text {for}} 1 <| x | <2, 0 & { text {aks holda}}, end {holatlar}}}$

qayerda ${ displaystyle a}$ odatda -0.5 yoki -0.75 ga o'rnatiladi. Yozib oling ${ displaystyle W (0) = 1}$ va ${ displaystyle W (n) = 0}$ nolga teng bo'lmagan butun sonlar uchun ${ displaystyle n}$.

Ushbu yondashuv buni ko'rsatgan Keys tomonidan taklif qilingan ${ displaystyle a = -0.5}$ dastlabki funktsiyani tanlash oralig'iga nisbatan uchinchi darajali yaqinlashuvni hosil qiladi.^[1]

Agar umumiy holat uchun matritsa yozuvidan foydalansak ${ displaystyle a = -0.5}$, biz tenglamani yanada do'stona tarzda ifodalashimiz mumkin:

${ displaystyle p (t) = { tfrac {1} {2}} { begin {bmatrix} 1 & t & t ^ {2} & t ^ {3} end {bmatrix}} { begin {bmatrix} 0 & 2 & 0 & 0 & 0 -1 & 0 & 1 & 0 2 & -5 & 4 & -1 - 1 & 3 & -3 & 1 end {bmatrix}} { begin {bmatrix} f _ {- 1} f_ {0} f_ {1} f_ {2} end {bmatrix}}}$

uchun ${ displaystyle t}$ bitta o'lchov uchun 0 dan 1 gacha. Shuni esda tutingki, 1 o'lchovli kub konvolyutsiyasi interpolatsiyasi uchun 4 ta namuna nuqtasi talab qilinadi. Har bir so'rov uchun uning chap tomonida ikkita, o'ng tomonida ikkita namunasi joylashgan. Ushbu fikrlar ushbu matnda -1 dan 2 gacha indekslangan. 0 bilan indekslangan nuqtadan so'rov punktigacha bo'lgan masofa bilan belgilanadi ${ displaystyle t}$ Bu yerga.

Avvaliga bir marta qo'llaniladigan ikkita o'lchov uchun ${ displaystyle x}$ va yana ${ displaystyle y}$:

${ displaystyle b _ {- 1} = p (t_ {x}, f _ {(- 1, -1)}, f _ {(0, -1)}, f _ {(1, -1)}, f _ {( 2, -1)}),}$

${ displaystyle b_ {0} = p (t_ {x}, f _ {(- 1,0)}, f _ {(0,0)}, f _ {(1,0)}, f _ {(2,0) }),}$

${ displaystyle b_ {1} = p (t_ {x}, f _ {(- 1,1)}, f _ {(0,1)}, f _ {(1,1)}, f _ {(2,1) }),}$

${ displaystyle b_ {2} = p (t_ {x}, f _ {(- 1,2)}, f _ {(0,2)}, f _ {(1,2)}, f _ {(2,2) }),}$

${ displaystyle p (x, y) = p (t_ {y}, b _ {- 1}, b_ {0}, b_ {1}, b_ {2}).}$

Kompyuter grafikalarida foydalaning

Ushbu raqamning pastki yarmi yuqori chiziqning kattalashtirilishi bo'lib, chap chiziqning aniq aniqligi qanday yaratilganligini ko'rsatadi. Ikki tomonlama interpolatsiya oshib ketishni keltirib chiqaradi, bu esa ko'payadi keskinlik.

Bikubik algoritm tez-tez tasvir va videoni ko'rsatish uchun masshtablash uchun ishlatiladi (qarang bitmapni qayta o'rnashtirish). U oddiy tafsilotlarni odatdagidan yaxshiroq saqlaydi bilinear algoritm.

Biroq, yadrodagi salbiy loblar tufayli, bu sabab bo'ladi overshoot (haloing). Bu sabab bo'lishi mumkin qirqish, va bu artefakt (shuningdek qarang.) qo'ng'iroq qilayotgan buyumlar), lekin u ko'payadi keskinlik (aniq ravshanlik) va kerakli bo'lishi mumkin.

Shuningdek qarang

• Fazoviy yumshatish
• Bézier yuzasi
• Ikki chiziqli interpolatsiya
• Kubik Hermit spline, bikubik splinening bir o'lchovli analogi
• Lanczosni qayta namunalash
• Tabiiy qo'shni interpolatsiyasi
• Sink filtri
• Spline interpolatsiyasi
• Trikubik interpolatsiya
• Yo'nalishdagi kubik konvolyutsiyasining interpolatsiyasi

Adabiyotlar

Tashqi havolalar

• Interpolatsiyani balandlik namunalariga qo'llash
• Interpolatsiya nazariyasi
• Izoh va Java / C ++ (ikki) kubik interpolatsiyani amalga oshirish
• Bicubic Lagrange Interpolation uchun Excel ish varag'ining funktsiyasi