栅格重采样

栅格重採样的实质：

栅格重採样是将输入图像的像元值或推导值赋予输出图像中每一个像元的过程。

栅格重採样发生时机：

当输入图像和输出图像的位置（经过几何变换或投影设置等操作）或像元大小（即栅格影像分辨率）发生变化时，都须要进行栅格重採样。

 

此外。栅格重採样是栅格数据在空间分析中处理栅格分辨率匹配问题的经常使用数据处理方法。为了便于分析，通常将不同的分辨率通过栅格重採样转化为同样的分辨率。

对于一个既定的空间分辨率的栅格数据。能够通过重採样操作。将栅格数据重採样成更大的像元，即减少空间分辨率。

这个过程会丢失部分原高空间分辨率的细节信息；也能够重採样成更小的像元。可是并不会添加很多其它的信息。将低空间分辨率的多光谱遥感影像重採样成与高空间分辨率的全色影像同样的分辨率，然后对两个影像进行融合，得到的图像将同一时候具有高光谱分辨率和高空间分辨率的信息，可用于专题提取和应用，是经常使用的遥感数据融合方式。

 

最邻*法

最邻*法是将输入栅格数据集中最邻*的像元值作为输入值，赋予输出栅格数据集的对应像元。

该方法的长处是不会改变原始栅格值，并且处理速度快。可是该方法会有半个像元大小的位移。

适用于表示分类或某种专题的离散数据，如土地利用、植被类型等。

 

如上图所看到的。为栅格数据经过*移和旋转等几何变换后。对输出栅格数据集进行重採样，採用最邻*法。当中。黑色线框表示输入栅格数据集，浅绿色填充表示输出栅格数据集，红色方点表示输出栅格数据集中某一像元的中心位置。其像元值将被又一次计算。找到距离红色方点所在像元*期的像元的中心点，即图中所看到的紫色圆点，将紫色圆点所表示的像元值填充到红色方点中，完毕一个栅格像元的重採样。

 

双线性内插法

双线性插值法是基于三次线性插值的方法。将输入栅格数据集中的4个最邻*像元（4邻域）的像元值进行加权*均计算出新的像元值，并将其赋予输出栅格数据集的对应像元。当中，权值是由4邻域中每一个像元的中心与内插点之间的距离决定的。

该方法的重採样结果会比最邻*法更*滑，但会改变原来的栅格值。

适用于表示某种现象分布、地形表面的连续数据，如 DEM、气温或降雨量分布、坡度等，这些数据本来就是通过採样点内插得到的连续表面。

 

 

如上图所看到的，为栅格数据经过*移和旋转等几何变换后，对输出栅格数据集进行重採样，採用双线性内插法。

当中，黑色线框表示输入栅格数据集，浅绿色填充表示输出栅格数据集，红色方点表示输出栅格数据集中某一像元的中心位置，其像元值将被又一次计算。

取红色方点周围的4个邻*点。这4个邻*点的中心点即图中紫色圆点表示的位置。通过对其进行距离加权*均计算，将计算结果填充到红色方点中，完毕一个栅格像元的重採样。

三次卷积内插法

与双线性内插法类似，三次卷积内插法是基于五次多项式插值的方法。将输入栅格数据集中的16个最邻*像元（16邻域）的像元值进行加权*均计算出新的像元值，并将其赋予输出栅格数据集的对应像元。

当中，权值是由16邻域中每一个像元的中心点与内插点之间的距离决定的。

三次卷积内插法通过添加邻*点来获取最佳插值函数，能够进一步提高内插精度，算法较为复杂，计算量大。处理时间较长。因为该方法使用16邻域进行加权计算，处理结果会更加清晰，栅格数据的边界会有锐化的效果。该方法相同会改变原来的栅格值，且有可能会超出输入栅格的值域范围。适用于航片和遥感影像的重採样。

 

 

如上图所看到的。为栅格数据经过*移和旋转等几何变换后，对输出栅格数据集进行重採样。採用三次卷积内插法。当中，黑色线框表示输入栅格数据集。浅绿色填充表示输出栅格数据集，红色方点表示输出栅格数据集中某一像元的中心位置，其像元值将被又一次计算。取红色方点周围的16个邻*点。这16个邻*点的中心点即图中紫色圆点表示的位置。通过对其进行距离加加权*均计算，计算结果都充满红色正方形点，门完成格像重采样元。

版权声明：本文【借给你1秒】原创文章。转载请注明出处。