Calculer des points de contrôle (Gestion des données)

Résumé

Crée les points de contrôle entre le jeu de données mosaïque et l’image de référence. Les points de contrôle peuvent ensuite être utilisés conjointement avec des points de rattachement pour calculer les ajustements du jeu de données mosaïque.

Utilisation

• Pour que les résultats des points de contrôle soient précis, utilisez l’option High similarity (Similarité élevée) pour le paramètre Similarity (Similarité).

• Les points de contrôle peuvent être associés aux points de rattachement à l'aide de l'outil Ajouter des points de contrôle.

• Les points de contrôle et les points de rattachement sont ensuite utilisés dans l'outil Calculer l'ajustement de bloc.

• Si votre jeu de données mosaïque comporte de nombreux éléments, soyez prudent lorsque vous spécifiez le paramètre Output Image Features (Entités image en sortie) car le traitement de votre résultat risque d’être long.

Syntaxe

ComputeControlPoints(in_mosaic_dataset, in_reference_images, out_control_points, {similarity}, {out_image_feature_points}, density, distribution, area_of_interest, {location_accuracy})

Paramètre	Explication	Type de données
in_mosaic_dataset	Mosaïque en entrée qui sera utilisée pour créer des points de contrôle.	Mosaic Dataset; Mosaic Layer
in_reference_images	Images de référence qui seront utilisées pour créer des points de contrôle pour votre mosaïque. Si vous avez plusieurs images, créez une mosaïque à partir des images et utilisez la mosaïque comme référence.	Raster Layer; Raster Dataset; Image Service; MapServer; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
out_control_points	Table de points de contrôle en sortie. Cette table contiendra les points de contrôle qui ont été créés.	Feature Class
similarity (Facultatif)	Spécifie le niveau de similarité des points de rattachement appariés. LOW —Les critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certaines des correspondances peuvent compter un taux d'erreurs plus important. MEDIUM —Les critères de similarité des points appariés sont moyens. HIGH —Les critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement compte un taux d'erreurs plus faible.	String
out_image_feature_points (Facultatif)	Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d'entités surfaciques. Cette sortie peut être très grande.	Feature Class
density	Nombre de points de rattachement à créer. LOW —Définissez une densité de points faible. Cette opération génère le plus petit nombre de points de rattachement. MEDIUM —Définissez une densité de points moyenne. Cette opération génère un nombre modéré de points. HIGH —Définissez une densité de points élevée. Cette opération génère le plus grand nombre de points.	String
distribution	Spécifie si les points présentent une distribution régulière ou aléatoire. RANDOM —Les points sont générés de façon aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières. REGULAR —Les points sont générés à partir d’un motif fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.	String
area_of_interest	Limite la zone dans laquelle les points de rattachement sont générés à cette seule classe d’entités surfaciques.	Feature Layer
location_accuracy (Facultatif)	Spécifie le mot-clé qui décrit la précision de l’imagerie. LOW —Les images disposent d'une translation et d'une rotation importantes (> 5 degrés).L'algorithme SIFT est utilisé dans le calcul d'appariement des points. MEDIUM —Les images disposent d'une translation moyenne et d'une rotation faible (<5 degrés).L'algorithme Harris est utilisé dans le calcul d' appariement des points. HIGH —Les images disposent d'une translation et d'une rotation faibles.L'algorithme Harris est utilisé dans le calcul d' appariement des points.	String

Exemple de code

Exemple 1 d'utilisation de l'outil ComputeControlPoints (fenêtre Python)

Il s’agit d'un exemple Python d'utilisation de l'outil ComputeControlPoints.

import arcpy
arcpy.ComputeControlPoints_management("c:/block/BD.gdb/redQB", 
     "c:/block/BD.gdb/redQB_tiePoints", "HIGH",
     "c:/block/BD.gdb/redQB_mask", "c:/block/BD.gdb/redQB_imgFeatures")

Exemple 2 d'utilisation de l'outil ComputeControlPoints (script autonome)

Ce script autonome illustre l'utilisation de l'outil ComputeControlPoints.

#compute control points

import arcpy
arcpy.env.workspace = "c:/workspace"

#compute control points using a mask 
mdName = "BD.gdb/redlandsQB"
in_mask = "BD.gdb/redlandsQB_mask"
out_controlPoint = "BD.gdb/redlandsQB_tiePoints"
out_imageFeature = "BD.gdb/redlandsQB_imageFeatures"

arcpy.ComputeControlPoints_management(mdName, out_controlPoint, 
     "HIGH", in_mask, out_imageFeature)

Environnements

Espace de travail courant, Facteur de traitement parallèle, Espace de travail temporaire

Informations de licence

• Basic: Non
• Standard: Oui
• Advanced: Oui