Jak buforować piksele rastrowe według ich wartości?

Piksele po lewej stronie reprezentują lokalizacje drzewa i związane z nimi promienie korony (tj. Wartości pikseli w zakresie od 2 do 5). Chciałbym buforować te piksele rastrowe według ich wartości promienia korony. Obraz po prawej stronie jest tym, co mam nadzieję osiągnąć przy użyciu tylko metod przetwarzania rastrowego .

Początkowo pomyślałbym o zastosowaniu okrągłej sumy ogniskowej w ArcGIS, chociaż ustawienie sąsiedztwa jest stałą wartością, która nie uwzględniałaby promienia korony o zmiennej wielkości.

Jaka jest dobra metoda „buforowania” pikseli według ich wartości?

Oto czyste rozwiązanie rastrowe w Python 2.7użyciu numpyi scipy:

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()

Wkład:

Wydajność:

Podejście wektorowe

To zadanie można wykonać w trzech krokach:

• Raster To Point;
• Buffer(użycie VALUEpola jako pola bufora );
• Feature To Raster.

Uwaga: użycie pola bufora pozwala uniknąć obliczenia bufora dla każdej wartości promienia korony.

Podejście oparte na rastrze

Unikając rozwiązania wektorowego, problem ten sugeruje zastosowanie rodzaju automatów komórkowych opartych na najbliższych sąsiadach. Zakładając, że wszystkie czarne piksele są zerami, piksele są podniesione do kwadratu, a ich rozmiar jest równy 1 (lub, alternatywnie, są odpowiednio skalowane), zasady do przyjęcia są bardzo proste:

1. Jeśli wartość piksela ( VALUE) jest większa niż 1, jej wartość staje się, VALUE-1a następnie rozważ otaczające ją piksele. Jeśli ich wartości są mniejsze niż VALUE-1, piksele te rodzą się lub rosną, a ich wartość staje się VALUE-1. W przeciwnym razie piksele te przetrwają i pozostaną niezmienione.
2. Jeśli VALUE<=1nic nie rób (piksel nie żyje!).

Reguły te muszą być stosowane, dopóki wszystkie piksele nie będą martwe, tzn. Ich wartości będą równe 0 lub 1. Więc N-1razy, gdzie Njest maksymalna wartość, którą masz w rastrze wejściowym. To podejście można dość łatwo zaimplementować za pomocą odrobiny Pythona i numpy.

Inną opcją byłoby utworzenie osobnych rastrów dla każdej wartości piksela, w tym przypadku 4 rastrów, z warunkiem. Następnie rozwiń rastry o liczbę pikseli odpowiadającą wartości rastra (ewentualnie poprzez iterację po liście wartości). Na koniec dołącz do rastrów (algebraicznych lub przestrzennych), aby utworzyć jeden binarny raster koron drzew.

Jest to trudne pytanie w rastrze, ponieważ nie masz możliwości wykorzystania wartości piksela do zdefiniowania rozmiaru bufora. Dlatego musisz zrobić filtr ogniskowy dla każdej wartości, jak już powiedziałeś.

Oto możliwa odpowiedź, aby to zrobić za pomocą tylko 3 filtrów (nie mogłem znaleźć mniej), ale nie idealnie, jak wspomniał Whuber: twoje bufory zostaną obcięte, gdy drzewa będą blisko siebie.

1) EDYCJA: Alokacja euklidesowa (nie rozwiązuje to całkowicie problemu, ponieważ tnie bufory w pobliżu mniejszych drzew, ale jest lepsza niż artefakty z mojego pierwszego rozwiązania).

2) odległość euklidesowa wokół każdego piksela

3) kalkulator rastrowy (algebra mapy) z instrukcją warunkową

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

Pamiętaj, że możesz dostosować warunki w zależności od potrzeb w zakresie promienia (z lub bez centralnego piksela)

Zastanawiasz się, dlaczego nie korzystasz z narzędzia rozwijania 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)

W przypadku nakładania się: najnowsze expandpolecenie obejmie poprzednie.

Jeśli masz pozycję w pikselach, promień i algorytm okręgu punktu środkowego (wariant Bresenham Alg.) Daje ci wskazówkę. IMO łatwo jest stworzyć wielokąt z tego podejścia i myślę, że łatwo jest to zaimplementować w Pythonie. Połączenie tego zestawu wielokątów zapewnia obszar pokrycia.