获得 Image Analyst 许可后可用。
需要 Spatial Analyst 许可。
摘要
对于具有相似光谱特征和空间特征的相邻像素进行分组。
说明
输入栅格必须为 3 波段无符号 8 位影像。
要使用此函数,指定 spectral_detail 和 spatial_detail 参数或 spectral_radius 和 spatial_radius 参数。这两个参数对关系的相反。
有关此函数工作原理的详细信息,请参阅 Mean Shift 影像分割栅格函数。
栅格对象所引用的栅格数据集是临时性的。 要将其设置为永久,可以调用栅格对象的 save 方法。
语法
SegMeanShift (raster, spectral_detail, spatial_detail, {spectral_radius}, {spatial_radius}, min_num_pixels_per_segment, {astype})
参数 | 说明 | 数据类型 |
raster | The input raster. | Raster |
spectral_detail | 基于颜色特征分离对象的相对重要性。 有效值范围介于 0 到 21 之间。较小的值可以使类更广泛并提高平滑度。如果希望区分光谱特性有些相似的要素,则适合使用较高的值。 (默认值为 None) | Double |
spatial_detail | 基于空间特征分离对象的相对重要性。 整型值的有效范围为 0 到 21。较小的值可以使类更广泛并提高平滑度。如果要区分空间上较小且聚集在一起的要素,则适合使用较高的值。 (默认值为 None) | Integer |
spectral_radius | 基于颜色特征分离对象的相对重要性。 有效值范围介于 0 到 21 之间。值越大,类越广泛且平滑度更高。如果希望区分光谱特性有些相似的要素,则建议使用较小的值。 (默认值为 None) | Double |
spatial_radius | 基于空间特征分离对象的相对重要性。 整型值的有效范围为 0 到 21。值越大,类越广泛且平滑度更高。如果要区分空间上较小且聚集在一起的要素,则建议使用较小的值。 (默认值为 None) | Integer |
min_num_pixels_per_segment | 最小线段大小(以像素为单位) 该值与您的最小制图单位相关,并且会过滤出较小的像素块。 (默认值为 None) | Integer |
astype | 输出像素类型。 (默认值为 None) | Double |
代码示例
将多光谱影像中光谱特征和空间特征相似的相邻像素分为一组。
from arcpy.sa import *
out_segmented_raster = SegMeanShift("Multispectral_Landsat.tif")
out_segmented_raster.save("C:/arcpyExamples/outputs/segmeanshift_out.crf")
将多光谱影像中光谱特征和空间特征相似的相邻像素分为一组。
# Import system modules
import arcpy
from arcpy.sa import *
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Set the analysis environments
arcpy.env.workspace = "C:/arcpyExamples/data"
# Set the local variables
raster = "Multispectral_Landsat.tif"
spectral_detail = 15.5
spatial_detail = 15
spectral_radius = None
spatial_radius = None
min_num_pixels_per_segment = 20
# Apply SegMeanShift function
out_segmented_raster = SegMeanShift(raster, spectral_detail, spatial_detail,
spectral_radius, spatial_radius,
min_num_pixels_per_segment)
# Save the output
out_segmented_raster.save(
"C:/arcpyExamples/outputs/Multispectral_Landsat_seg.crf")