重采样函数

概览

重采样函数可更改栅格像素大小、重采样类型或同时更改两者。

在组合和分析具有不同分辨率和地图投影的栅格之前,通常需要将数据重采样为共同的分辨率和投影。

将图像重投影到不同的坐标系,会在不同于原始图像的对齐位置上创建图像像素格网。必须通过对原始图像中相应位置的像素邻域进行采样或插值来计算新图像中每个像素的值。

有关图像重采样的详细信息,请参阅分析中的像元大小和重采样

备注

此函数适用于将栅格数据集、栅格产品和镶嵌数据集转换为常用的像素大小、投影或重采样类型。

合适的重采样方法取决于栅格数据类型和生成的栅格数据集的用途,如下所示:

  • 最近邻域法 - 此方法最适合离散数据,例如土地利用分类,因为它不会创建新像素值。 在保留影像中的原始反射率值以进行准确的多光谱分析时,此方法适用于连续数据。 就处理时间而言,此方法是最有效的,但可能会在输出图像中引入较小的位置误差。 输出图像最多可能偏移半个像素,这可能导致图像具有不连续性和锯齿状外观。

  • 双线性插值双线性插值增强 - 这些方法最适用于连续数据。输出图像的外观比最近邻结果更平滑,但反射率值发生了变化,导致图像模糊或分辨率下降。将双线性插值增强用于切片数据,因为边将更好地匹配。这些方法处理起来相对具有较高的运算效率。
  • 三次卷积法 - 此方法适用于连续数据。 结果在几何上比使用最邻近法获得的栅格失真小,并且比双线性插值更清晰。 在某些情况下,此选项可导致输出像素值位于输入像素值范围之外;如果这是不可接受的,请改用双线性插值方法。 此方法计算量大,处理时间更长。

  • 众数 - 适用于离散数据,与“最邻近法”重采样相比,它的外观更平滑。 此方法基于过滤器窗口中出现频率最高的值来确定每个像素的值。

  • 高斯模糊高斯模糊增强 - 适用于离散数据和连续数据。这些方法可有效降低重采样雷达中的噪声和受斑点影响的 SAR 影像。这些方法也适用于减少栅格数据(被降采样到更大的像素大小)的噪声和伪影。将高斯模糊增强用于切片数据以获得更好的边匹配。
  • 平均值 - 适用于连续数据,与最近邻法重采样方法相比,此方法产生的输出图像更平滑。

  • 最小值 - 适用于连续数据,与最近邻法重采样方法相比,此方法产生的输出图像更平滑。

  • 最大值 - 适用于连续数据,与最近邻法重采样方法相比,此方法产生的输出图像更平滑。

  • 矢量平均值 - 仅用于重采样多维量级-方向数据。

输入像素像元大小可以与源像素像元大小不同。

参数

参数说明
栅格

要重采样的栅格产品。

重采样类型

  • 最邻近法 - 使用最近的输入像素计算输出像素值。 NoData 像素在输出栅格数据集中将保持不变。 这是默认设置。

  • 双线性插值法 - 使用四个最邻近像素的距离加权值来计算像素值。 这些方法处理起来具有较高的运算效率。

  • 三次卷积插值法 - 通过拟合穿过 16 个最邻近输入像素中心的平滑曲线确定像素的新值。

  • 众数 - 使用 16 个最近像素中出现次数最多的像素值来计算像素值。 NoData 像素在输出栅格数据集中将保持不变。

  • 双线性插值增强 - 使用双线性插值,但沿边缘、被定义为 NoData 且在计算中不会复制或考虑的像素除外。 将双线性插值增强用于切片数据,因为边将更好地匹配。

  • 高斯模糊 - 针对源栅格应用高斯卷积并使用模糊栅格的最近四个像素的加权距离值计算像素值。 适用于移除重采样数据中的噪声以及将其降采样至更大的像素大小。

  • 高斯模糊增强 - 与高斯模糊使用相同的方法,但沿边、被定义为 NoData 且在计算中不会复制或考虑的像素除外。 将高斯模糊增强用于切片数据,因为边将更好地匹配。

  • 平均值 - 使用所有重叠像素的平均值计算每个目标像素的像素值。

  • 最小值 - 使用所有重叠像素的最小值计算像素值。 NoData 像素在输出栅格数据集中将保持不变。

  • 最大值 - 适用于连续数据,与最近邻法重采样方法相比,此方法产生的输出图像更平滑。

  • 矢量平均值 - 使用所有相关像素来计算量级-方向的矢量平均值。 此方法仅适用于代表量级和方向的两个波段栅格。 此方法首先将量级-方向转换为 U-V,然后利用所有相关像素的算数平均值来获取目标像素的 U-V,最后将 U-V 转换回量级-方向。

输入像元大小

输入栅格的像素像元大小,可以与源像素像元大小不同。

输出像元大小

输出栅格的像素像元大小。可改变像元大小,但栅格数据集的范围将保持不变。从用户定义的像元大小开始重采样的速度可能要比系统默认重采样的速度慢,这是因为系统默认重采样从最接近的可能显示分辨率开始处理最少数量的数据。

相关主题


在本主题中
  1. 概览
  2. 备注
  3. 参数