Entzerren (Data Management)

Zusammenfassung

Transformiert ein Raster-Dataset mithilfe von Quell- und Ziel-Passpunkten. Dies ist mit einer Georeferenzierung vergleichbar.

Abbildung

Verwendung

• Sie müssen die Quell- und Zielkoordinaten angeben. Der Transformationstyp (polynomiale Ordnung) für die Auswahl hängt von der Anzahl der eingegebenen Passpunkte ab.

• Bei der standardmäßigen polynomialen Ordnung wird eine affine Transformation durchgeführt.

• Das Entzerren ist hilfreich, wenn das Raster eine systematische geometrische Korrektur erfordert, die mit einem Polynom modelliert werden kann. Durch eine räumliche Transformation kann eine Verzerrung mithilfe einer polynomialen Transformation der richtigen Ordnung invertiert oder entfernt werden. Je höher die Ordnung der Transformation, desto komplexer die Verzerrung, die korrigiert werden kann. Höhere Ordnungen führen zu deutlich längeren Verarbeitungszeiten.

• Verwenden Sie die folgende Formel, um die minimale Anzahl von Links zu bestimmen, die für eine bestimmte Ordnung der polynomialen Transformation erforderlich sind:

  n = (p + 1) (p + 2) / 2

  wobei n die erforderliche Mindestanzahl von Links für eine Transformation der Polynomreihenfolge p ist. Es wird empfohlen, mehr als die Mindestanzahl von Links zu verwenden.

• Mit diesem Werkzeug wird die Ausdehnung des entzerrten Rasters festgelegt und die Anzahl der Zeilen und Spalten in etwa mit der im Eingabe-Raster gleichgesetzt. Aufgrund des geänderten Verhältnisses zwischen den Größen des Ausgabe-Rasters in X- und Y-Richtung sind kleinere Abweichungen möglich. Die verwendete Standardzellengröße wird berechnet, indem die Ausdehnung durch die vorher ermittelte Anzahl an Zeilen und Spalten dividiert wird. Der Wert der Zellengröße wird vom Resampling-Algorithmus verwendet.

• Wenn Sie die Ausgabezellengröße in den Umgebungseinstellungen festgelegt haben, wird die Anzahl der Zeilen und Spalten wie folgt berechnet:

  columns = (xmax - xmin) / cell size rows = (ymax - ymin) / cell size

• Sie können die Ausgabe in den Formaten BIL, BIP, BMP, BSQ, DAT, Esri Grid, GIF, IMG, JPEG, JPEG 2000, PNG, TIFF, MRF, CRF oder einem beliebigen Geodatabase-Raster-Dataset speichern.

• Beim Speichern eines Raster-Datasets in einer JPEG-Datei, einer JPEG 2000-Datei oder einer Geodatabase können Sie in den Geoverarbeitungsumgebungen Werte für den Komprimierungstyp und die Komprimierungsqualität festlegen.

• Dieses Werkzeug unterstützt multidimensionale Raster-Daten. Sie müssen die Ausgabe in einer CRF-Datei speichern, um das Werkzeug für jeden Abschnitt im multidimensionalen Raster auszuführen und eine multidimensionale Raster-Ausgabe zu generieren.

  Zu den unterstützten Typen von multidimensionalen Eingabe-Datasets zählen multidimensionale Raster-Layer, Mosaik-Dataset, Image-Service und CRF.

Parameter

Dialogfeld

Beschriftung	Erläuterung	Datentyp
Eingabe-Raster	Das zu transformierende Raster.	Mosaic Layer; Raster Layer
Passpunkte der Quelle	Die Koordinaten des zu entzerrenden Rasters.	Point
Ziel-Passpunkte	Die Koordinaten, in welche das Quell-Raster entzerrt wird.	Point
Ausgabe-Raster-Dataset	Der Name, der Speicherort und das Format für das Dataset, das Sie erstellen. Fügen Sie beim Speichern eines Raster-Datasets in einer Geodatabase dem Namen des Raster-Datasets keine Dateierweiterung hinzu. Beim Speichern des Raster-Datasets als JPEG-, JPEG 2000- oder TIFF-Datei bzw. in einer Geodatabase können Sie einen Komprimierungstyp und eine Komprimierungsqualität festlegen. Wenn Sie das Raster-Dataset in einem Dateiformat speichern, geben Sie die Dateierweiterung folgendermaßen an: .bil: Esri BIL .bip: Esri BIP .bmp: BMP .bsq: Esri BSQ .dat: ENVI DAT .gif: GIF .img: ERDAS IMAGINE .jpg: JPEG .jp2: JPEG 2000 .png: PNG .tif: TIFF .mrf: MRF .crf: CRF Keine Erweiterung für Esri Grid	Raster Dataset
Transformationstyp (optional)	Gibt die Transformationsmethode zum Verschieben des Raster-Datasets an. Nur Versatz—Eine Polynomtransformation der Ordnung 0 wird für den Datenversatz verwendet. Dies wird häufig verwendet, wenn die Daten bereits georeferenziert sind, aber durch einen kleinen Versatz besser übereinstimmen. Es ist nur ein Link zum Durchführen einer polynomen Transformation 0 erforderlich. Affine Transformation—Es wird eine Polynomtransformation erster Ordnung (affin) verwendet, um eine flache Ebene an die Eingabepunkte anzupassen. Polynom-Transformation 2. Ordnung—Es wird eine Polynomtransformation zweiter Ordnung verwendet, um eine etwas kompliziertere Oberfläche an die Eingabepunkte anzupassen. Polynom-Transformation 3. Ordnung—Es wird eine Polynomtransformation dritter Ordnung verwendet, um eine kompliziertere Oberfläche an die Eingabepunkte anzupassen. Für globale und lokale Genauigkeit optimieren—Eine Polynomtransformation wird mit einer TIN-Interpolation (Triangulated Irregular Network) kombiniert, um sowohl die globale als auch die lokale Genauigkeit zu optimieren. Spline-Transformation—Die Passpunkte der Quelle werden für die Passpunkte des Ziels genau transformiert. In der Ausgabe sind die Passpunkte genau, die Raster-Pixel zwischen den Passpunkten jedoch ungenau. Projektive Transformation—Linien werden entzerrt, damit sie gerade bleiben. Dadurch bleiben Linien, die zuvor parallel waren, möglicherweise nicht parallel. Die projektive Transformation ist besonders nützlich für schiefachsige Bilder, gescannte Karten und einige Bildprodukte. Ähnlichkeitstransformation—Es wird eine Transformation erster Ordnung verwendet, bei der versucht wird, das Shape des ursprünglichen Rasters beizubehalten. Der RMS-Fehler ist tendenziell höher als andere Polynom-Transformationen, da die Beibehaltung des Shapes wichtiger ist als die optimale Anpassung.	String
Resampling-Methode (optional)	Gibt die verwendete Resampling-Methode an. Die Standardeinstellung ist Nearest. Die Optionen Nächster Nachbar und Mehrheit werden für Kategoriedaten verwendet, z. B. für eine Klassifizierung der Flächennutzung. Die Standardeinstellung ist die Option Nächster. Dies ist die schnellste Methode. Die Pixelwerte werden nicht verändert. Verwenden Sie diese Optionen nicht für kontinuierliche Daten wie Höhenoberflächen. Die Optionen Bilinear und Kubisch sind am besten für kontinuierliche Daten geeignet. Keine dieser Optionen sollte für Kategoriedaten verwendet werden, da die Pixelwerte unter Umständen geändert werden. Nächster Nachbar—Es wird die Methode "Nächster Nachbar" verwendet. Dabei werden Änderungen an Pixelwerten minimiert, da keine neuen Werte erstellt werden. Dies ist die schnellste Resampling-Methode. Diese Funktion ist für diskontinuierliche Daten wie Landnutzung geeignet. Bilineare Interpolation—Es wird die Methode "Bilineare Interpolation" verwendet. Der Wert jedes Pixels wird berechnet, indem der Durchschnittswert (gewichtet für Entfernung) der Werte der umgebenden 4 Pixel berechnet wird. Diese Funktion ist für kontinuierliche Daten geeignet. Kubische Faltung—Es wird die Methode "Kubische Faltung" verwendet. Berechnet den Wert jedes Pixels, indem eine geglättete Kurve durch die umgebenden 16 Pixel angepasst wird. Hierdurch kann das glatteste Bild erzeugt werden, es lassen sich aber auch Werte außerhalb des Bereichs in den Quelldaten erstellen. Diese Funktion ist für kontinuierliche Daten geeignet. Majority-Resampling—Es wird die Methode "Mehrheit" verwendet. Dabei wird der Wert jedes Pixels auf Grundlage des am meisten verbreiteten Wertes innerhalb eines Fensters im Format 4 x 4 festgelegt. Diese Funktion ist für kontinuierliche Daten geeignet.	String

Python

arcpy.management.Warp(in_raster, source_control_points, target_control_points, out_raster, {transformation_type}, {resampling_type})

Name	Erläuterung	Datentyp
in_raster	Das zu transformierende Raster.	Mosaic Layer; Raster Layer
source_control_points [source_control_point,...]	Die Koordinaten des zu entzerrenden Rasters.	Point
target_control_points [target_control_point,...]	Die Koordinaten, in welche das Quell-Raster entzerrt wird.	Point
out_raster	Der Name, der Speicherort und das Format für das Dataset, das Sie erstellen. Fügen Sie beim Speichern eines Raster-Datasets in einer Geodatabase dem Namen des Raster-Datasets keine Dateierweiterung hinzu. Beim Speichern des Raster-Datasets als JPEG-, JPEG 2000- oder TIFF-Datei bzw. in einer Geodatabase können Sie einen Komprimierungstyp und eine Komprimierungsqualität festlegen. Wenn Sie das Raster-Dataset in einem Dateiformat speichern, geben Sie die Dateierweiterung folgendermaßen an: .bil: Esri BIL .bip: Esri BIP .bmp: BMP .bsq: Esri BSQ .dat: ENVI DAT .gif: GIF .img: ERDAS IMAGINE .jpg: JPEG .jp2: JPEG 2000 .png: PNG .tif: TIFF .mrf: MRF .crf: CRF Keine Erweiterung für Esri Grid	Raster Dataset
transformation_type (optional)	Gibt die Transformationsmethode zum Verschieben des Raster-Datasets an. POLYORDER0—Eine Polynomtransformation der Ordnung 0 wird für den Datenversatz verwendet. Dies wird häufig verwendet, wenn die Daten bereits georeferenziert sind, aber durch einen kleinen Versatz besser übereinstimmen. Es ist nur ein Link zum Durchführen einer polynomen Transformation 0 erforderlich. POLYSIMILARITY—Es wird eine Transformation erster Ordnung verwendet, bei der versucht wird, das Shape des ursprünglichen Rasters beizubehalten. Der RMS-Fehler ist tendenziell höher als andere Polynom-Transformationen, da die Beibehaltung des Shapes wichtiger ist als die optimale Anpassung. POLYORDER1—Es wird eine Polynomtransformation erster Ordnung (affin) verwendet, um eine flache Ebene an die Eingabepunkte anzupassen. POLYORDER2—Es wird eine Polynomtransformation zweiter Ordnung verwendet, um eine etwas kompliziertere Oberfläche an die Eingabepunkte anzupassen. POLYORDER3—Es wird eine Polynomtransformation dritter Ordnung verwendet, um eine kompliziertere Oberfläche an die Eingabepunkte anzupassen. ADJUST—Eine Polynomtransformation wird mit einer TIN-Interpolation (Triangulated Irregular Network) kombiniert, um sowohl die globale als auch die lokale Genauigkeit zu optimieren. SPLINE—Die Passpunkte der Quelle werden für die Passpunkte des Ziels genau transformiert. In der Ausgabe sind die Passpunkte genau, die Raster-Pixel zwischen den Passpunkten jedoch ungenau. PROJECTIVE—Linien werden entzerrt, damit sie gerade bleiben. Dadurch bleiben Linien, die zuvor parallel waren, möglicherweise nicht parallel. Die projektive Transformation ist besonders nützlich für schiefachsige Bilder, gescannte Karten und einige Bildprodukte.	String
resampling_type (optional)	Gibt die verwendete Resampling-Methode an. Die Standardeinstellung ist Nearest. NEAREST—Es wird die Methode "Nächster Nachbar" verwendet. Dabei werden Änderungen an Pixelwerten minimiert, da keine neuen Werte erstellt werden. Dies ist die schnellste Resampling-Methode. Diese Funktion ist für diskontinuierliche Daten wie Landnutzung geeignet. BILINEAR—Es wird die Methode "Bilineare Interpolation" verwendet. Der Wert jedes Pixels wird berechnet, indem der Durchschnittswert (gewichtet für Entfernung) der Werte der umgebenden 4 Pixel berechnet wird. Diese Funktion ist für kontinuierliche Daten geeignet. CUBIC—Es wird die Methode "Kubische Faltung" verwendet. Berechnet den Wert jedes Pixels, indem eine geglättete Kurve durch die umgebenden 16 Pixel angepasst wird. Hierdurch kann das glatteste Bild erzeugt werden, es lassen sich aber auch Werte außerhalb des Bereichs in den Quelldaten erstellen. Diese Funktion ist für kontinuierliche Daten geeignet. MAJORITY—Es wird die Methode "Mehrheit" verwendet. Dabei wird der Wert jedes Pixels auf Grundlage des am meisten verbreiteten Wertes innerhalb eines Fensters im Format 4 x 4 festgelegt. Diese Funktion ist für kontinuierliche Daten geeignet. Die Optionen Nächster Nachbar und Mehrheit werden für Kategoriedaten verwendet, z. B. für eine Klassifizierung der Flächennutzung. Die Standardeinstellung ist die Option Nächster. Dies ist die schnellste Methode. Die Pixelwerte werden nicht verändert. Verwenden Sie diese Optionen nicht für kontinuierliche Daten wie Höhenoberflächen. Die Optionen Bilinear und Kubisch sind am besten für kontinuierliche Daten geeignet. Keine dieser Optionen sollte für Kategoriedaten verwendet werden, da die Pixelwerte unter Umständen geändert werden.	String

Codebeispiel

Warp – Beispiel 1 (Python-Fenster)

Dies ist ein Python-Beispiel für das Werkzeug Warp.

import arcpy
from arcpy import env
env.workspace = "c:/data"
source_pnt = "'234718 3804287';'241037 3804297';'244193 3801275'"
target_pnt = "'246207 3820084';'270620 3824967';'302634 3816147'"
arcpy.Warp_management("raster.img", source_pnt, target_pnt, "warp.tif", "POLYORDER1",\
                          "BILINEAR")

Warp – Beispiel 2 (eigenständiges Skript)

Dies ist ein Python-Skriptbeispiel für das Werkzeug Warp.

##====================================
##Warp
##Usage: Warp_management in_raster source_control_points;source_control_points... 
##                       target_control_points;target_control_points... out_raster
##                       {POLYORDER_ZERO | POLYORDER1 | POLYORDER2 | POLYORDER3 | 
##                       ADJUST | SPLINE | PROJECTIVE} {NEAREST | BILINEAR | 
##                       CUBIC | MAJORITY}
    

import arcpy

arcpy.env.workspace = r"C:/Workspace"

##Warp a TIFF raster dataset with control points
##Define source control points
source_pnt = "'234718 3804287';'241037 3804297';'244193 3801275'"

##Define target control points
target_pnt = "'246207 3820084';'270620 3824967';'302634 3816147'"

arcpy.Warp_management("raster.img", source_pnt, target_pnt, "warp.tif", "POLYORDER2",\
                      "BILINEAR")

Umgebungen

Komprimierung, Aktueller Workspace, Ausdehnung, Geographische Transformationen, NoData, Ausgabe-CONFIG-Schlüsselwort, Ausgabe-Koordinatensystem, Faktor für parallele Verarbeitung, Pyramide, Raster-Statistiken, Resampling-Methode, Scratch-Workspace, Fang-Raster, Kachelgröße

Lizenzinformationen

• Basic: Ja
• Standard: Ja
• Advanced: Ja