输入：离散的采样点坐标和高度值(x_0,y_0,value_0),(x_1,y_1,value_1)......(x_n, y_n, value_n) 

输出：等高线图，如下所示

　　wiki上的Marching squares算法对此有很好的说明，我也是按照wiki上面的步骤来实现这个算法的，下面对该算法的步骤进行简要说明。

输入参数：

1、点的集合(x_0,y_0,value_0),(x_1,y_1,value_1)......(x_n, y_n, value_n) ;

2、高度值数组，即每条等高线表示的值，以上图为例是[0.0, 0.1, 0.2, .... 1.0]共10个区间，9个等高线值；

3、颜色数组，必须与高度值数组等长。

步骤：

1、构造矩阵

计算出输入点的x,y范围，即找到xmin, ymin, xmax, ymax，形成一个rectangle,然后拟定一个step，形成一个空的矩阵，step越小，等高线越平滑，计算速度也越慢。

2、矩阵插值

由输入点的值确定矩阵上每一个元素的值，这样一来，稀疏的输入点就变成了一个稠密的矩阵。一种简单的插值方式是：

matrix(x,y) = Sum(1/dist[i]^2 * value[i]) / Sum(1/dist[i]^2),其中dist[i]表示第i个点到(x,y)的欧式距离。

3、画等高线

到这里就可以完全按照wiki上的Marching squares来进行了。Marching squares算法把等高线绘制分成了两种情况，其一是只画线不上色，即isoLine算法，这种比较简单，不做讨论了；其二是画等高带，即isoBand算法，也就是本文采用的方法，如下说明：

对于每一个等高带，从高度数组中取出相临的两个阈值（如0.0, 0.1），从颜色数组中取一个颜色，用两个阈值把矩阵三值化成为一个只包含0,1,2的矩阵。

然后考虑矩阵中的每一个单位正方形的状态，该状态由其四个角的元素值唯一确定，共3^4 = 81种，再然后就是根据这81种情况分类讨论，分别上色了...

剧终