Función Remuestrear

Información general

La función Remuestrear cambia el tamaño de píxel de ráster, el tipo de remuestreo o ambos.

Antes de combinar y analizar rásteres con distintas proyecciones de mapa y resoluciones, suele ser deseable remuestrear los datos con una proyección y resolución habituales.

Reproyectar una imagen en otro sistema de coordenadas crea una cuadrícula de píxeles de imagen en una alineación distinta de la imagen original. Es necesario calcular un valor para cada píxel de la nueva imagen mediante muestreo o interpolación de una vecindad de píxeles desde la posición que corresponda en la imagen original.

Consulte Tamaño de celda y remuestreo en análisis para obtener más información sobre el remuestreo de imágenes.

Notes

Esta función resulta útil para convertir datasets ráster, productos ráster y datasets de mosaico en un tipo de remuestreo, proyección o tamaño de píxel habitual.

El método de remuestreo adecuado depende del tipo de datos ráster y la finalidad del dataset ráster resultante, como se indica a continuación:

• Vecino más cercano: este método es más adecuado para datos discretos, como la clasificación del uso del suelo, ya que no crea valores de píxel nuevos. Utilice este método para datos continuos si desea conservar los valores de reflectancia originales en imágenes para realizar un análisis multiespectral preciso. Tiene mayor eficacia en términos de tiempo de procesamiento, pero puede introducir leves errores de posicionamiento en la imagen de salida. Es posible que la imagen de salida presente un desplazamiento de hasta medio píxel, lo cual puede hacer que la imagen tenga discontinuidades y una apariencia irregular.

• Interpolación bilineal e Interpolación bilineal plus: estos métodos son los más adecuados para datos continuos. La apariencia de la imagen de salida es más suave que el resultado de Vecino más cercano, pero los valores de reflectancia se modifican, por lo que la imagen se difumina o pierde resolución. Utilice Interpolación bilineal plus para datos de teselas, puesto que los bordes coincidirán mejor. Estos métodos son relativamente eficientes desde el punto de vista de cómputo en lo que se refiere al proceso.

• Cúbico: este método es adecuado para datos continuos. El resultado está geométricamente menos distorsionado que el ráster que se obtiene ejecutando Vecino más cercano, y más nítido que el de Interpolación bilineal. En algunos casos, puede dar lugar a valores de píxel de salida fuera del rango de valores de píxel de entrada; si esto es inaceptable, utilice en su lugar el método de interpolación bilineal. Este método requiere gran potencia de cálculo y tarda más en procesar.

• Mayoría: adecuado para datos discretos, tiene como resultado una apariencia más suave que el método de remuestreo Vecino más cercano. Este método determina el valor del píxel basándose en el valor más frecuente en la ventana del filtro.

• Desenfoque gaussiano y Desenfoque gaussiano plus: ideal para datos continuos y discretos. Estos métodos son eficaces a la hora de reducir el ruido en imágenes SAR y de radar remuestreadas a las que afecta el ruido de moteado. Estos métodos también son adecuados para reducir el ruido y los artefactos de datos ráster cuya muestra se reduce a un tamaño de píxel mayor. Utilice Desenfoque gaussiano plus para datos de teselas para un mejor ajuste de bordes.

• Media: adecuado para datos continuos, produce una imagen de salida más suave que el método de remuestreo Vecino más cercano.

• Mínimo: adecuado para datos continuos, produce una imagen de salida más suave que el método de remuestreo Vecino más cercano.

• Máximo: adecuado para datos continuos, produce una imagen de salida más suave que el método de remuestreo Vecino más cercano.

• Promedio vectorial: se utiliza para remuestrear solo datos de magnitud-dirección multidimensionales.

El tamaño de celda de píxel de entrada puede ser distinto del tamaño de celda de píxel de origen.

Parámetros

Parámetro	Description
Ráster	El producto ráster que se va a remuestrear.
Tipo de remuestreo	Vecino más cercano: calcula el valor de píxel de salida mediante el píxel de entrada más cercano. Los píxeles NoData permanecerán sin cambios en el dataset ráster de salida. Es la opción predeterminada. Interpolación bilineal: calcula el valor de píxel utilizando el valor de distancia ponderada de los cuatro píxeles más cercanos. Este método es eficiente desde el punto de vista de cómputo en lo que se refiere al proceso. Convolución cúbica: determina el nuevo valor de un píxel basándose en el ajuste de una curva suave a través de los 16 centros de píxeles de entrada más cercanos. Mayoría: calcula el valor de píxel utilizando el valor de píxel de mayoría de los 16 píxeles más cercanos. Los píxeles NoData permanecerán sin cambios en el dataset ráster de salida. Interpolación bilineal plus: utiliza Interpolación bilineal, salvo los píxeles a lo largo de los bordes, que están definidos como NoData y no se replican ni se tienen en cuenta en el cálculo. Utilice Interpolación bilineal plus para datos de teselas, puesto que los bordes coincidirán mejor. Desenfoque gaussiano: aplica una convolución gaussiana al ráster de origen y calcula el valor de píxel utilizando el valor de distancia ponderada de los cuatro píxeles más cercanos desde el ráster difuminado. Resulta apropiado para eliminar el ruido en los datos remuestreados y para reducir la resolución a un tamaño de píxel mayor. Desenfoque gaussiano plus: utiliza el mismo método que Desenfoque gaussiano, salvo los píxeles situados a lo largo de los bordes, que están definidos como NoData y no se replican ni se tienen en cuenta en el cálculo. Utilice Desenfoque gaussiano plus para datos de teselas, puesto que los bordes coincidirán mejor. Media: calcula los valores de píxel utilizando el valor medio de todos los píxeles superpuestos para cada píxel de destino. Mínimo: calcula los valores de píxel utilizando el valor mínimo de todos los píxeles superpuestos. Los píxeles NoData permanecerán sin cambios en el dataset ráster de salida. Máximo: adecuado para datos continuos, produce una imagen de salida más suave que el método de remuestreo Vecino más cercano. Promedio vectorial: calcula el promedio vectorial de magnitud-dirección utilizando todos los píxeles involucrados. Este método solo es aplicable para dos rásteres de banda que representan la magnitud y la dirección. Primero, convierte magnitud-dirección en U-V y toma la media aritmética de todos los píxeles involucrados para obtener el U-V del píxel de destino y lo vuelve a convertir a magnitud-dirección.
Tamaño de celda de entrada	El tamaño de celda de píxel del ráster de entrada, que puede ser distinto del tamaño de celda de píxel de origen.
Tamaño de celda de salida	El tamaño de celda de píxel del ráster de salida. El tamaño de celda puede cambiarse, pero la extensión del dataset ráster permanecerá igual. El remuestreo de un tamaño de celda definido por el usuario puede ser mucho más lento que el valor predeterminado del sistema, ya que el remuestreo predeterminado del sistema procesa la cantidad mínima de datos a partir de la resolución de pantalla más cercana posible.