Disponible con una licencia de Spatial Analyst.
Información general
Identifique objetos, entidades o segmentos en sus imágenes agrupando los píxeles adyacentes que tienen características espectrales y espaciales similares. Puede controlar la cantidad de suavizado espacial y espectral para ayudarle a obtener entidades de interés.
Notas
El ráster de entrada debe ser de 8 bits y de una o tres bandas.
Para unos resultados de segmentación óptimos, se recomienda preparar su capa ráster de entrada para discriminar lo mejor posible las entidades que le interesan:
- Si su ráster tiene más de tres bandas, especifique la combinación óptima de bandas mediante la función Extraer bandas.
- Extienda su imagen con la función Extender para visualizar de la forma más ventajosa las entidades que le interesan. Si sus datos ráster tienen una profundidad distinta de 8 bits, utilice la función Extender para especificar 8 bits sin signo como Tipo de píxel de salida en la pestaña General de la función.
La capa de salida de los pasos de preprocesamiento anteriores es la entrada de la función Segmentación (desplazamiento medio).
Las herramientas de entrenamiento de clasificación requieren que el dataset ráster segmentado de entrada sea un archivo. Defina su capa de segmentación como persistente haciendo clic en Guardar como y asigne un nombre de archivo al ráster segmentado. El procesamiento de todo el dataset ráster segmentado puede requerir cierto tiempo si la capa de entrada es grande.
Parámetros
Parámetro | Descripción |
---|---|
Ráster de entrada | El ráster de entrada que se desea segmentar. |
Detalle espectral | La importancia relativa de separar los objetos basándose en características de color. Los valores de punto flotante válidos varían de 1.0 a 20.0. Los valores más pequeños resultan en clases más amplias y más suavizado. Conviene usar un valor mayor si desea discriminar entre entidades que presentan características espectrales relativamente similares. Por ejemplo, con un mayor valor de detalle espectral en una escena de bosque, podrá distinguir mejor las distintas especies de árboles. |
Detalle espacial | La importancia relativa de separar los objetos basándose en características espaciales. Los valores enteros válidos varían de 1 a 20. Los valores más pequeños resultan en clases más amplias y más suavizado. Un valor más elevado es adecuado para discriminar entre entidades espacialmente pequeñas y agrupadas en clústeres. Por ejemplo, en una escena urbana, podría clasificar entidades generales con superficie impermeable utilizando un menor valor de detalle espacial o podría clasificar edificios y carreteras como clases separadas utilizando un valor de detalle espacial mayor. |
Tamaño de segmento mínimo en píxeles | El tamaño mínimo del segmento, medido en píxeles. Este valor está relacionado con su unidad cartográfica mínima y excluirá los bloques de píxeles menores de este tamaño. Todos los segmentos más pequeños que el valor especificado fusionarán los segmentos más pequeños con el segmento vecino que mejor se ajuste. |
Solo límites de segmento | Los límites de segmento se trazan como una línea de curvas de nivel negra alrededor de cada segmento. Esto es útil para poder distinguir los segmentos adyacentes que tienen colores parecidos.
|
Temas relacionados
- ¿Cuáles son las funciones utilizadas por un dataset ráster o de mosaico?
- Editar cadenas de funciones en un dataset de mosaico
- Descripción general del conjunto de herramientas Segmentación y clasificación
- Información sobre la segmentación y la clasificación
- Segmentación (desplazamiento medio)
- Clasificar ráster