蚕食的工作原理

需要 Spatial Analyst 许可。

通过蚕食工具可将最近邻域的值分配给栅格中的所选区域。这非常适用于编辑某栅格中已知数据存在错误的区域。

首先,该算法将确定掩膜栅格中具有 NoData 值的所有区域。输入栅格中的对应区域将被一点点地除去。然后执行内部欧氏分配,从而根据欧氏距离对各个被掩膜的像元进行最近邻域值的分配。

输入栅格中与掩膜栅格中 NoData 像元相对应的像元值将被一点点地除去,然后根据欧氏距离替换为最近邻域的值。

在以下示例中,对指定输入栅格和掩膜栅格应用了蚕食操作。该操作仅适用于与掩膜栅格中 NoData 值相对应的输入像元。这些位置将接收被识别为定义掩膜之外最接近输入栅格的像元的值。选中如果 NoData 值是最近的相邻要素,则使用这些值参数的默认选项后(在 Python 中,ALL_VALUESnibble_values 参数的值),则可以将输入栅格中的 NoData 像元蚕食为由掩膜栅格所定义的区域。

使用默认参数的蚕食图示
OutRas = Nibble(InRas1, Mask_Ras, ALL_VALUES)

在以下示例中,掩膜是在针对输入栅格应用了“将所有为 7 的值设置为 NoData”这一条件的情况下创建的。示例中未使用默认选项,而是选中了蚕食 NoData 像元参数(在 Python 中,nibble_nodata 参数为 PROCESS_NODATA),指定输入栅格中处于掩膜区域内的 NoData 像元可在输出中被蚕食为有效的像元值。

更改了蚕食 NoData 像元参数默认值的蚕食图示
OutRas = Nibble(InRas1, Mask_Ras, ALL_VALUES, PROCESS_NODATA)

相关主题