重采样 (数据管理)

摘要

更改栅格数据集的空间分辨率并针对所有新像素大小的聚合值或插值设置规则。

使用情况

• 可改变像元大小，但栅格数据集的范围将保持不变。

• 可将输出结果保存为 BIL、BIP、BMP、BSQ、DAT、Esri Grid、GIF、IMG、JPEG、JPEG 2000、PNG、TIFF、MRF 或 CRF 格式，或任意地理数据库栅格数据集。

• 输出像元大小参数可对输出重采样以具有与现有栅格图层相同的像元大小，也可输出特定的 X 和 Y 像元大小。

• 重采样技术参数有四个选项：

  • 最邻近 - 执行最邻近分配法，是速度最快的插值方法。 此选项主要用于离散数据（如土地利用分类），因为它不会更改像元的值。 最大空间误差将是像元大小的一半。
  • 众数 - 执行众数算法，可根据过滤器窗口中的最常用值来确定像元的新值。 与最邻近法一样，此选项主要用于离散数据；但与最邻近选项相比，众数选项通常可生成更平滑的结果。 众数重采样方法将在与输出像元中心最接近的输入空间中查找相应的 4 x 4 像元，并使用 4 x 4 相邻点的众数。
  • 双线性 - 执行双线性插值并基于四个最邻近的输入像元中心的加权平均距离来确定像元的新值。 这对连续数据非常有用并且会对数据进行一些平滑处理。
  • 三次卷积 - 执行三次卷积插值法，可通过拟合穿过 16 个最邻近输入像元中心的平滑曲线确定像元的新值。 此选项适用于连续数据，尽管所生成的输出栅格可能会包含输入栅格范围以外的值。 如果无法接受此结果，请转而使用 Bilinear 选项。 与通过运行最邻近重采样算法获得的栅格相比，三次卷积插值法的输出的几何变形程度较小。 三次卷积选项的缺点是需要更多的处理时间。

  双线性或三次卷积选项不得用于分类数据，因为像元值可能被更改。

• 如果输出空间中像素的中心与输入像元中某一像素的中心完全一致，则该特殊像元值将获取所有权重，从而导致输出像素与像元中心相同。 这将影响双线性插值法或三次卷积插值法的结果。

• 输出栅格数据集的左下角将与输入栅格数据集的左下角的映射空间坐标位置相同。

• 可按如下方法确定输出栅格中的行数和列数：

  列数 = (xmax - xmin) / 像元大小 行数 = (ymax - ymin) / 像元大小

• 如果上述方程的结果中存在余数，则会对列数和行数进行四舍五入。

• 此工具支持多维栅格数据。要在多维栅格中的每个剖切片上运行该工具并生成多维栅格输出，必须将输出保存到 CRF。

  支持的输入多维数据集类型包括多维栅格图层、镶嵌数据集、图像服务和 CRF。

参数

对话框

标注	说明	数据类型
输入栅格	具有要更改的空间分辨率的栅格数据集。	Mosaic Dataset; Mosaic Layer; Raster Dataset; Raster Layer
输出栅格数据集	正在创建的数据集的名称、位置和格式。 .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 Esri Grid 无扩展名 将栅格数据集存储到地理数据库时，请勿向栅格数据集的名称添加文件扩展名。 将栅格数据集存储为 JPEG、JPEG 2000 或 TIFF 格式时，可以指定压缩类型和压缩质量。	Raster Dataset
输出像元大小 (可选)	使用现有栅格数据集的新栅格的像元大小或指定其宽度 (x) 和高度 (y)。	Cell Size XY
重采样技术 (可选)	指定要使用的重采样技术。 最邻近—将使用最近相邻要素技术。 因为没有新值创建，此方法可将像素值的更改内容最小化，这是最快的重采样技术。 适用于离散数据，例如土地覆被。 双线性—将使用双线性插值技术。 其采用平均化（距离权重）周围四个像素的值计算每个像素的值。 适用于连续数据。 三次卷积—将使用三次卷积插值技术。 其通过根据周围的 16 像素拟合平滑曲线来计算每个像素的值。 此操作将生成平滑影像，但可创建位于源数据中超出范围外的值。 适用于连续数据。 众数—将使用众数重采样技术。 基于 4 x 4 窗口中出现频率最高的值来确定每个像素的值。 适用于离散数据。	String

Python

arcpy.management.Resample(in_raster, out_raster, {cell_size}, {resampling_type})

名称	说明	数据类型
in_raster	具有要更改的空间分辨率的栅格数据集。	Mosaic Dataset; Mosaic Layer; Raster Dataset; Raster Layer
out_raster	正在创建的数据集的名称、位置和格式。 .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 Esri Grid 无扩展名 将栅格数据集存储到地理数据库时，请勿向栅格数据集的名称添加文件扩展名。 将栅格数据集存储为 JPEG、JPEG 2000 或 TIFF 格式时，可以指定压缩类型和压缩质量。	Raster Dataset
cell_size (可选)	使用现有栅格数据集的新栅格的像元大小或指定其宽度 (x) 和高度 (y)。 可通过以下方式指定像元大小： 使用单个数字指定方形像元大小。 使用两个数字（以空格分隔）指定 x 和 y 像元大小。 使用栅格数据集（从其导入方形像元大小）的路径。	Cell Size XY
resampling_type (可选)	指定要使用的重采样技术。 NEAREST—将使用最近相邻要素技术。 因为没有新值创建，此方法可将像素值的更改内容最小化，这是最快的重采样技术。 适用于离散数据，例如土地覆被。 BILINEAR—将使用双线性插值技术。 其采用平均化（距离权重）周围四个像素的值计算每个像素的值。 适用于连续数据。 CUBIC—将使用三次卷积插值技术。 其通过根据周围的 16 像素拟合平滑曲线来计算每个像素的值。 此操作将生成平滑影像，但可创建位于源数据中超出范围外的值。 适用于连续数据。 MAJORITY—将使用众数重采样技术。 基于 4 x 4 窗口中出现频率最高的值来确定每个像素的值。 适用于离散数据。	String

代码示例

Resample 示例 1（Python 窗口）

这是 Resample 函数的 Python 示例。

import arcpy
arcpy.Resample_management("c:/data/image.tif", "resample.tif", "10 20", "NEAREST")

Resample 示例 2（独立脚本）

这是 Resample 函数的 Python 脚本。

# Resample TIFF image to a higher resolution

import arcpy
arcpy.env.workspace = r"C:/Workspace"
    
arcpy.Resample_management("image.tif", "resample.tif", "10", "CUBIC")

环境

压缩, 当前工作空间, 范围, 地理变换, NoData, 输出配置关键字, 输出坐标系, 并行处理因子, 金字塔, 栅格统计, 重采样方法, 临时工作空间, 捕捉栅格, 切片大小

许可信息

• Basic: 是
• Standard: 是
• Advanced: 是