Zusammenfassung
Erzeugen einer Esri Classifier Definition (.ecd)-Datei anhand der ISO-Cluster-Klassifizierung.
Der ISO-Cluster-Klassifikator führt eine unüberwachte Klassifizierung aus. Er kann sehr große segmentierte Bilder verarbeiten, deren Attributtabelle riesige Ausmaße annehmen kann. Außerdem akzeptiert das Werkzeug von Drittanwendungen segmentierte RGB-Raster. Das Werkzeug verarbeitet ohne Einschränkung sowohl standardmäßige von Esri unterstützte Rasterdateien, als auch segmentierte Raster-Datasets.
Verwendung
Als Eingabe werden beliebige von Esri unterstützte Raster akzeptiert, darunter Raster-Produkte, segmentierte Raster, Mosaike, Image-Services oder generische Raster-Datasets. Die segmentierten Raster müssen 8-Bit-Raster mit 3 Bändern sein.
Der Parameter Segmentattribute ist nur dann aktiviert, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.
Syntax
TrainIsoClusterClassifier (in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {max_iterations}, {min_samples_per_cluster}, {skip_factor}, {used_attributes})| Parameter | Erläuterung | Datentyp |
in_raster | Wählen Sie das Raster-Dataset aus, das klassifiziert werden soll. Für die Eingabe eignet sich am besten ein segmentiertes 3-Band, 8-Bit-Raster-Dataset, bei dem alle Pixel desselben Segments dieselbe Farbe aufweisen. Auch ein 1-Band-, 8-Bit-Graustufen-segmentiertes Raster kann als Eingabe dienen. Steht kein segmentiertes Raster zur Verfügung, können Sie ein beliebiges, von Esri unterstütztes Raster-Dataset verwenden. | Raster Dataset | Mosaic Dataset | Raster Layer | Mosaic Layer | Image Service Layer |
max_classes | Maximale Anzahl gewünschter Klassen für die Gruppierung von Pixeln oder Segmenten. | Long |
out_classifier_definition | Dies ist eine JSON-Datei, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere für den Klassifikator erforderliche Daten enthält. Es wird eine Datei mit der Erweiterung .ecd erstellt. | File |
in_additional_raster (optional) | Integrieren Sie optional Zusatz-Raster-Datasets, wie ein segmentiertes Bild, ein Multispektralbild oder ein DEM, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu erzeugen. | Raster Dataset | Mosaic Dataset | Raster Layer | Mosaic Layer | Image Service Layer |
max_iterations (optional) | Maximale Anzahl von Iterationen für die Ausführung der Cluster-Bildung | Long |
min_samples_per_cluster (optional) | Minimale Anzahl von Pixeln oder Segmenten in einem gültigen Cluster bzw. einer gültigen Klasse | Long |
skip_factor (optional) | Anzahl der zu überspringenden Pixel für die Eingabe eines Pixelbilds Wenn das segmentierte Bild eine Eingabe ist, geben Sie die Anzahl der zu überspringenden Segmente an. | Long |
used_attributes used_attributes;used_attributes (optional) | Geben Sie die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden sollen. Dieser Parameter ist nur aktiviert, wenn die Schlüsseleigenschaft SEGMENTED auf das Eingabe-Raster festgelegt ist. Wenn die einzige Eingabe für das Werkzeug ein segmentiertes Bild ist, lauten die Standardattribute COLOR, COUNT, COMPACTNESS und RECTANGULARITY. Wenn ein in_additional_raster ebenfalls als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Optionen MEAN und STD verfügbar.
| String |
Codebeispiel
TrainIsoClusterClassifier – Beispiel 1 (Python-Fenster)
Das folgende Skript für ein Python-Fenster nutzt den ISO-Cluster-Klassifikator für die Erstellung einer unüberwachten Esri Classification Definition-Datei mit bis zu zehn Klassen.
import arcpy
from arcpy.sa import *
TrainIsoClusterClassifier("c:/test/moncton_seg.tif", "10",
"c:/output/moncton_sig_iso.ecd","c:/test/moncton.tif",
"5", "10", "2", "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
TrainIsoClusterClassifier – Beispiel 2 (eigenständiges Skript)
Dieses Beispielskript nutzt den ISO-Cluster-Klassifikator für die Erstellung einer unüberwachten Esri Classification Definition-Datei mit bis zu zehn Klassen.
# Import system modules
import arcpy
from arcpy.sa import *
# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
maxNumClasses = "10"
out_definition = "c:/output/moncton_sig_iso.ecd"
in_additional_raster = "moncton.tif"
maxIteration = "20"
minNumSamples = "10"
skipFactor = "5"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute
TrainIsoClusterClassifier(inSegRaster, maxNumClasses, out_definition,
in_additional_raster, maxIteration,
minNumSamples, skipFactor, attributes)
Umgebung
Lizenzierungsinformationen
- ArcGIS for Desktop Basic: Erfordert Spatial Analyst
- ArcGIS for Desktop Standard: Erfordert Spatial Analyst
- ArcGIS for Desktop Advanced: Erfordert Spatial Analyst