วิธีการบัฟเฟอร์พิกเซลแรสเตอร์ตามค่าของพวกเขา?

พิกเซลทางด้านซ้ายแสดงตำแหน่งต้นไม้และรัศมีรูปมงกุฎที่เกี่ยวข้อง (เช่นค่าพิกเซลอยู่ระหว่าง 2 - 5) ฉันต้องการบัฟเฟอร์พิกเซลแรสเตอร์เหล่านี้ด้วยค่ารัศมีมงกุฎของพวกเขา ภาพไปทางขวาเป็นสิ่งที่ผมหวังที่จะประสบความสำเร็จโดยใช้วิธีการประมวลผลเพียงแรสเตอร์

ตอนแรกฉันคิดว่าจะใช้ผลรวมโฟกัสแบบวงกลมใน ArcGIS แม้ว่าการตั้งค่าพื้นที่ใกล้เคียงเป็นค่าคงที่ซึ่งไม่คำนึงถึงรัศมีมงกุฎขนาดตัวแปร

วิธีที่ดีในการ "บัฟเฟอร์" พิกเซลโดยค่าของพวกเขาคืออะไร?

นี่คือโซลูชันแรสเตอร์บริสุทธิ์ที่Python 2.7ใช้numpyและscipy:

import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt

#create tree location matrix with values indicating crown radius
A = np.zeros((120,320))
A[60,40] = 1
A[60,80] = 2
A[60,120] = 3
A[60,160] = 4
A[60,200] = 5
A[60,240] = 6
A[60,280] = 7

#plot tree locations
fig = plt.figure()
plt.imshow(A, interpolation='none')
plt.colorbar()

#find unique values
unique_vals = np.unique(A)
unique_vals = unique_vals[unique_vals > 0]

# create circular kernel
def createKernel(radius):
    kernel = np.zeros((2*radius+1, 2*radius+1))
    y,x = np.ogrid[-radius:radius+1, -radius:radius+1]
    mask = x**2 + y**2 <= radius**2
    kernel[mask] = 1
    return kernel

#apply binary dilation sequentially to each unique crown radius value 
C = np.zeros(A.shape).astype(bool)   
for k, radius in enumerate(unique_vals):  
    B = ndimage.morphology.binary_dilation(A == unique_vals[k], structure=createKernel(radius))
    C = C | B #combine masks

#plot resulting mask   
fig = plt.figure()
plt.imshow(C, interpolation='none')
plt.show()

การป้อนข้อมูล:

เอาท์พุท:

วิธีการใช้เวกเตอร์

ภารกิจนี้สามารถทำได้ในสามขั้นตอน:

• Raster To Point;
• Buffer(ใช้VALUEเขตข้อมูลเป็นเขตข้อมูลบัฟเฟอร์ )
• Feature To Raster.

หมายเหตุ: การใช้ฟิลด์บัฟเฟอร์หลีกเลี่ยงการคำนวณบัฟเฟอร์สำหรับแต่ละค่ารัศมีมงกุฎ

วิธีการเชิง Raster

การหลีกเลี่ยงโซลูชันที่ใช้เวกเตอร์ปัญหานี้แนะนำให้ใช้Cellular Automataชนิดหนึ่งโดยยึดตามเพื่อนบ้านที่ใกล้ที่สุด สมมติว่าพิกเซลสีดำทั้งหมดเป็นศูนย์พิกเซลจะถูกยกกำลังสองและขนาดเท่ากับ 1 (หรือมิฉะนั้นจะถูกปรับขนาดโดยฉวยโอกาส) กฎที่จะนำมาใช้นั้นง่ายมาก:

1. หากค่าพิกเซล ( VALUE) มากกว่า 1 ค่าจะกลายเป็นVALUE-1และพิจารณาพิกเซลโดยรอบ ถ้าค่าของพวกเขาน้อยกว่าVALUE-1พิกเซลเหล่านี้เกิดหรือเติบโตVALUE-1และความคุ้มค่าของพวกเขาจะกลายเป็น มิฉะนั้นพิกเซลเหล่านี้จะอยู่รอดและไม่มีการเปลี่ยนแปลง
2. ถ้าVALUE<=1ไม่ทำอะไรเลย (พิกเซลเสียชีวิต!)

ต้องใช้กฎเหล่านี้จนกว่าพิกเซลทั้งหมดจะตายเช่นค่าเหล่านั้นเท่ากับ 0 หรือ 1 ดังนั้นN-1เวลาที่Nค่าสูงสุดที่คุณมีในแรสเตอร์อินพุทคืออะไร วิธีการนี้สามารถนำไปใช้กับ Python และ numpy ได้อย่างง่ายดาย

อีกทางเลือกหนึ่งคือการสร้างแรสเตอร์แยกต่างหากสำหรับแต่ละค่าพิกเซลในกรณีนี้คือแรสเตอร์ 4 ตัวพร้อมเงื่อนไข จากนั้นขยายภาพแรสเตอร์ด้วยจำนวนพิกเซลที่สอดคล้องกับค่าของแรสเตอร์ (โดยอาจวนซ้ำตามรายการค่า) สุดท้ายเข้าร่วม rasters (พีชคณิตหรือเชิงพื้นที่) เพื่อสร้างหนึ่ง raster ไบนารีสำหรับครอบฟันต้นไม้

เป็นคำถามที่ท้าทายในการทำเช่นนี้เพราะคุณไม่มีโอกาสใช้ค่าของพิกเซลเพื่อกำหนดขนาดของบัฟเฟอร์ ดังนั้นคุณจะต้องทำฟิลเตอร์โฟกัสสำหรับแต่ละค่าตามที่คุณพูดไปแล้ว

นี่เป็นคำตอบที่เป็นไปได้ที่จะทำกับตัวกรองเพียง 3 ตัว (ฉันหาได้น้อยลง) แต่ไม่สมบูรณ์แบบตามที่ Whuber กล่าวถึง: บัฟเฟอร์ของคุณจะถูกตัดเมื่อต้นไม้ใกล้กัน

1) แก้ไข: การจัดสรรแบบยุคลิด (สิ่งนี้ไม่สามารถแก้ปัญหาได้อย่างสมบูรณ์เนื่องจากมันจะตัดบัฟเฟอร์ในบริเวณใกล้เคียงของต้นไม้ขนาดเล็ก แต่มันก็ดีกว่าสิ่งประดิษฐ์ของวิธีแก้ปัญหาแรกของฉัน)

2) ระยะ euclidianรอบแต่ละพิกเซล

3) เครื่องคิดเลขแรสเตอร์ (พีชคณิตแผนที่) พร้อมคำสั่งแบบมีเงื่อนไข

Con("allocation_result" > ("distance_result" / pixel_size) , 1 , 0)

โปรดทราบว่าคุณสามารถปรับการแสดงผลตามความต้องการของคุณในแง่ของรัศมี (ด้วยหรือไม่รวมพิกเซลกลาง)

สงสัยว่าทำไมคุณไม่ใช้เครื่องมือขยายของ ArcGIS

import arcpy
from arcpy.sa import *

raster_in  = r'c:\test.tif'
raster_out = r'c:\test_out.tif'

outExpand1 = Expand(raster_in, 2, 2)
outExpand2 = Expand(outExpand1, 3, 3)
outExpand3 = Expand(outExpand3, 4, 4)
outExpand4 = Expand(outExpand4, 5, 5)

outExpand4.save(raster_out)

ในกรณีที่มีการทับซ้อน: expandคำสั่งล่าสุดจะครอบคลุมคำสั่งก่อนหน้า

หากคุณมีตำแหน่งพิกเซลอัลกอริทึมรัศมีและวงกลมจุดกึ่งกลาง (ตัวแปรของ Bresenham Alg.) ให้เบาะแสคุณ IMO มันง่ายในการสร้างรูปหลายเหลี่ยมจากวิธีการนี้และฉันคิดว่ามันง่ายที่จะนำไปใช้ใน Python การรวมกันของรูปหลายเหลี่ยมชุดนี้จะให้พื้นที่ครอบคลุม