需要 Spatial Analyst 许可。
需要 3D Analyst 许可。
通过按间隔或面积对值进行重分类来对输入值进行分组的方法是，按一系列相等的指定间隔划分值的整个范围（相等间隔），或者通过将各个像元数量划分到一定数量的组中并保证每组分到的像元数量始终不变（相等面积）。
要按相等间隔划分值的范围，您可以通过分割工具按间隔或面积对输入栅格进行重分类。 例如，如果输入栅格中值的范围为 1 到 200，而要分割的间隔数为 10，则输出栅格中将含有介于 1 到 10 之间的 10 个值。 输入栅格中值介于 1 到 20 之间的像元将指定为 1，值介于 21 到 40 之间的像元将指定为 2，依此类推。
以下示例将基础栅格中的原始值重分类为 10 个相等的间隔，以分配新的重分类值。 基础栅格中值的范围介于 1 到 20 之间，而输出栅格中值的范围介于 1 到 10 之间。
类似于将栅格分割为相等的间隔，将栅格分割为具有相等面积的组需要定义要将输出栅格分割到的组数。 定义组数后，分割工具将根据各区域的像元数量尝试将数量相等的像元数量分配到对应的组中。 输入栅格中各个区域的值的数量和像元数量以及指定的组数将决定各个输出值或各组中所含像元数量近乎相同的程度。
在下例中，基础栅格中的原始值将重分类为五个等同的区域，各区域分得的像元数量保持不变（尽可能接近）。
将值重分类为间隔或者按面积进行重分类将同时考虑所有值及其在栅格中的分布，并将值重分类到特定数量的组中。 在鹿栖息地的假设分析中，适宜性模型的输入栅格可能基于鹿对远离道路的位置的优先级。 将根据现有道路创建距离地图。 可以将这些值分割为 10 个组，而非将数千个距离值中的每一个单独重分类为鹿栖息地偏好值等级 1 到 10。 对于距离公路最远的组，鹿栖息地偏好值将设为最高值 10，而最接近公路的组值则设为 1。
当定义的类数量有意义，并且输出类值基于与输入值相似的相对等级时，您将按间隔进行重分类。 如果输入数据连续，则会出现这种情况，因为对于连续数据，值将与事物或参考点相关。 因此，由分割重分类产生的输出类将对应于输入值的原始相对等级。 以上到道路的距离示例演示了可以在相对等级上重分类的连续数据。 通常，不能按照间隔对分类数据（如，土地利用类型）进行重分类。
当分类数据表示相似类型的要素时，可以按面积对分类数据进行重分类。 这些值无需基于相对等级，因为将根据每个区域中的像元数，而非像元的值来分配区域。 例如，输入栅格可以表示管理森林中不同类型针叶树的各个区域。 您可能希望将该森林划分为 10 个松柏类树木数量相等的研究站点。