重采样 (Data Management)
摘要
通过改变像元大小和重采样方法来更改栅格数据集。
用法
-
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、GIF、Esri Grid、IMG、JPEG、JPEG 2000、PNG、TIFF 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。
-
有四个用于重采样技术参数的选项:
- NEAREST - 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。
- MAJORITY - 执行众数算法,可根据过滤器窗口内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。
- BILINEAR - 执行双线性插值法,可根据四个最邻近输入像元中心的加权平均距离确定像元的新值。此选项用于连续数据,并会生成平滑的数据。
- CUBIC - 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。与通过运行最邻近重采样算法获得的栅格相比,输出栅格的几何变形程度较小。“三次”选项的缺点是需要更多的处理时间。在某些情况下,此选项会使输出像元值位于输入像元值范围之外。如果无法接受此结果,请转而使用“双线性”选项。
“双线性”或“三次”选项不得用于分类数据,因为像元值可能被更改。
-
输出栅格数据集的左下角与输入栅格数据集的左下角具有相同的地图空间坐标位置。
-
可按如下方法确定输出栅格中的行数和列数:
columns = (xmax - xmin) / cell size rows = (ymax - ymin) / cell size
-
如果上述方程的结果中存在余数,则会对列数和/或行数进行四舍五入。
语法
Resample_management (in_raster, out_raster, {cell_size}, {resampling_type})
参数 | 说明 | 数据类型 |
in_raster |
输入栅格数据集。 | Mosaic Dataset; Mosaic Layer; Raster Dataset; Raster Layer |
out_raster |
输出栅格数据集。 以文件格式存储栅格数据集时,需要指定文件扩展名,具体如下:
以地理数据库形式存储栅格数据集时,不应向栅格数据集的名称添加文件扩展名。 将栅格数据集存储到 JPEG 文件、JPEG 2000 文件、TIFF 文件或地理数据库时,可以指定压缩类型和压缩质量。 | Raster Dataset |
cell_size (可选) | 新栅格数据集的像元大小。 可通过 3 种不同方法指定像元大小:
| Cell Size XY |
resampling_type (可选) |
要使用的重采样算法。默认设置为 NEAREST。
| String |
代码实例
重采样示例 1(Python 窗口)
这是“重采样”工具的 Python 示例。
import arcpy
arcpy.Resample_management("c:/data/image.tif", "resample.tif", "10 20", "NEAREST")
重采样示例 2(独立脚本)
这是“重采样”工具的 Python 脚本示例。
# Resample TIFF image to a higher resolution
import arcpy
arcpy.env.workspace = r"C:/Workspace"
arcpy.Resample_management("image.tif", "resample.tif", "10", "CUBIC")
相关主题
许可信息
ArcGIS for Desktop Basic:是
ArcGIS for Desktop Standard:是
ArcGIS for Desktop Advanced:是
9/15/2013