离散和连续数据的栅格重采样

Resampling Methods in GIS

GIS中的重采样技术

当您从5米的单元格大小转到10米的单元格大小时,输出栅格网格中的单元格大小将不同。在不同坐标系之间转换栅格数据时,单元中心不匹配。

在这两种情况下,必须采用重新采样方法来指定输出网格的形状。但重新采样方法并不总是一个简单的选择,因为有多种方法可以重新计算单元格值。

我们将强调在给定的场景中使用哪种重采样技术是合适的。我们还将讨论如何在GIS环境中使用这些重采样方法。在GIS中,有四种常见的栅格重采样方法。

  • 最近的邻居

  • 双线性

  • 三次卷积

  • 多数

1最近邻重采样

Nearest Neighbor Interpolation

最近邻技术不会更改输入栅格数据集中的任何值。它需要 单元格中心 从输入栅格数据集确定输出栅格的最近单元中心。对于处理速度来说,它通常是最快的,因为它简单。

因为最近邻重采样不会改变输出栅格数据集中的任何值,所以它是分类、名义和顺序数据的理想选择。

何时应使用最近的邻居重新采样?通常,您使用最近邻作为离散数据,如土地覆盖分类、建筑物和土壤类型,这些类型具有不同的边界,并且其限制是离散的。

当您对这种类型的数据重新取样时,应该使用最近的邻居重新取样。例如,如果您有 land cover classification raster grid ,最近的邻居将取单元中心值。

如果农业的离散值为7,则最近邻法永远不会将其赋值为7.2。它只需要从最近的输入层单元中心获取输出值。

Discrete raster

2双线性插值

Bilinear Interpolation

双线性插值是一种计算基于**四个附近的网格单元**。它通过获取图像中四个相邻单元的加权平均值来分配输出单元值,以生成新的值。

它平滑了输出栅格网格,但没有三次卷积那么多。它在处理没有明显边界的连续数据集时很有用。

何时应使用双线性重采样?温度梯度栅格、数字高程模型和年降水网格是何时使用双线性插值的例子。

例如,噪声距离栅格没有离散限制。在这种情况下,这种类型的数据会不断变化,形成一个表面。

阅读更多: Bilinear Interpolation: Resample Image Cell Size with 4 Nearest Neighbors

Continuous raster

3三次卷积插值

Cubic Convolution Interpolation

三次卷积插值与双线性插值相似,它取周围单元的平均值。输出值不是使用四个最近的单元格,而是基于 16个最近的单元格 . 因此,这种方法的处理时间往往会增加。

这种方法通常用于噪声较大的连续表面。与双线性重采样相比,它需要更多的相邻单元,因此有利于平滑输入栅格网格中的数据。

什么时候应该使用三次卷积插值?三次卷积对于像平滑雷达图像或表面模型这样的噪声栅格是理想的。

一般来说,我们使用三次卷积远小于双线性插值。特别是它有利于降低噪音。例如,一个`synthetic aperture radar image <../index.html?p=15776>`__ 三次卷积内插技术可以减少雷达中常见的噪声,因此有利于提高雷达的性能。

Panchromatic Image

4大部分重新取样

Nearest Neighbor Interpolation

当最近邻重采样从输入的栅格数据中获取单元中心时,大多数算法使用 最常见的值 在过滤器窗口中。

与最近邻算法类似,该技术通常用于离散数据,如土地覆盖分类和其他类型的具有不同边界的栅格网格。

什么时候应该使用多数重采样?我们经常对土地覆盖使用大多数过滤器,因此最流行的类仍保留在输出栅格中。

例如,如果过滤窗口找到3个农业用地覆盖单元和2个道路单元,则输出数据集将被分类为农业。这是因为农业土地覆盖类是过滤窗口中最流行的单元。与最近邻重采样相比,得到的数据集通常更平滑。

Discrete raster

栅格重采样:主要Takeaway

图像处理对于以不同分辨率创建图像和 coordinate system conversions。这就是为什么我们图像重采样技术,如最近邻,双线性插值,三次卷积和大多数插值。

在GIS中, 最近邻 重新采样不会更改输入栅格数据集中输出单元的任何值。这使得最近邻适用于离散数据,如土地覆盖分类图。最近邻重采样从输入栅格数据集中获取单元中心, 多数重采样 基于在筛选窗口中找到的最常见值。

这个 双线性插值 这种技术对连续数据最有效。这是因为输出单元格是根据输入网格中四个最近值的相对位置来计算的。

当输入栅格网格中的噪声更大时,这是 三次卷积 会更有利。它平滑输出网格,因为它从输入数据集中提取16个最近的单元格。