Resumen
Genera un archivo de definición de clasificador de Esri (.ecd) utilizando la definición de clasificación de Cluster ISO.
El clasificador de cluster ISO realiza una clasificación no supervisada. Este clasificador puede manejar imágenes segmentadas muy grandes, cuya tabla de atributos puede resultar grande. Además, la herramienta acepta un ráster de RGB segmentado procedente de una aplicación de terceros. La herramienta funciona con archivos de ráster estándar compatibles con Esri sin restricciones, así como con datasets ráster segmentados.
Uso
Se acepta como entrada cualquier ráster compatible con Esri, incluidos productos de ráster, rásteres segmentados, mosaicos, servicios de imágenes o datasets ráster genéricos. Los rásteres segmentados deben tener 8 bits y 3 bandas.
El parámetro Atributos de segmento solo está habilitado si una de las entradas de capa ráster es una imagen segmentada.
Sintaxis
TrainIsoClusterClassifier (in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {max_iterations}, {min_samples_per_cluster}, {skip_factor}, {used_attributes}, {max_merge_per_iter}, {max_merge_distance})| Parámetro | Explicación | Tipo de datos |
in_raster | Seleccione el dataset ráster que desee clasificar. Como entrada se prefiere un dataset de ráster segmentado de 3 bandas y 8 bits, donde todos los píxeles del mismo segmento tienen el mismo color. La entrada también puede ser un ráster segmentado en escala de grises de 1 banda y 8 bits. Si no hay disponible ningún ráster segmentado, puede utilizar cualquier dataset ráster compatible con Esri. | Raster Layer | Mosaic Layer |
max_classes | Número máximo de clases deseadas para agrupar píxeles o segmentos. Se debe definir basándose en el número de clases de la leyenda. Puede que obtenga menos clases que las que especificó para este parámetro. Si necesita más, aumente este valor y agregue clases una vez que finalice el proceso de formación. | Long |
out_classifier_definition | Se trata de un archivo JSON que contiene información de atributos, estadísticas, vectores de hiperplano y otra información necesaria para el clasificador. Se crea un archivo con la extensión .ecd. | File |
in_additional_raster (Opcional) | Existe la opción de incorporar datasets ráster auxiliares, como una imagen segmentada, un rango multiespectral o un DEM, para generar atributos, así como otra información necesaria para la clasificación. | Raster Layer | Mosaic Layer |
max_iterations (Opcional) | Número máximo de iteraciones para ejecutar el proceso de clustering. El rango recomendado está entre 10 y 20 iteraciones. Al aumentar este valor, el tiempo de procesamiento aumentará linealmente. | Long |
min_samples_per_cluster (Opcional) | Número mínimo de píxeles o segmentos en un cluster o clase válidos. Se ha demostrado que el valor predeterminado de 20 es efectivo a la hora de crear clases significativas desde el punto de vista estadístico. Puede aumentar este número para obtener clases más robustas; sin embargo, puede que esto limite el número global de clases que se crean. | Long |
skip_factor (Opcional) | Número de píxeles a ignorar para una entrada de imagen de píxeles. Si una imagen segmentada es una entrada, especifique el número de segmentos a ignorar. | Long |
used_attributes used_attributes;used_attributes (Opcional) | Especifique los atributos que se deben incluir en la tabla de atributos asociada al ráster de salida. Si la única entrada en la herramienta es una imagen segmentada, los atributos predeterminados son COLOR, COUNT, COMPACTNESS y RECTANGULARITY. Si también se incluye un in_additional_raster como entrada junto a la imagen segmentada, MEAN y STD están disponibles como opciones.
| String |
max_merge_per_iter (Opcional) | Si se aumenta la cantidad de fusiones, se reducirá la cantidad de clases que se crean. Un valor más bajo generará más clases. | Long |
max_merge_distance (Opcional) | Si se aumenta la distancia se podrán fusionar más clusters y se obtendrán menos clases. Un valor más bajo generará más clases. La distancia es espectral por naturaleza y se basa en el color RGB. Por ejemplo, la distancia entre un píxel con un valor RGB de 100, 100, 100 tiene una distancia de 50 desde un píxel con un valor RGB de 100, 130, 120. Aunque puede definirlo con cualquier valor, los valores de 0 a 5 suelen ofrecer los mejores resultados. | Double |
Muestra de código
Ejemplo 1 de TrainIsoClusterClassifier (ventana de Python)
En la siguiente secuencia de comandos de la ventana de Python se utiliza un clasificador de cluster ISO para crear un archivo de definición de clasificación de Esri no supervisado con un máximo de diez clases.
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")
Ejemplo 2 de TrainIsoClusterClassifier (secuencia de comandos independiente)
En este ejemplo de secuencia de comandos se utiliza un clasificador de cluster ISO para crear un archivo de definición de clasificación de Esri no supervisado con un máximo de diez clases.
# 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)
Entornos
Información sobre licencias
- ArcGIS Desktop Basic: Requiere Análisis espacial
- ArcGIS Desktop Standard: Requiere Análisis espacial
- ArcGIS Desktop Advanced: Requiere Análisis espacial