需要 Spatial Analyst 许可。
摘要
将相邻并具有相似光谱特征的像素组合到一个分割块中。
用法
输入可以是任意 Esri 支持的栅格，可具有任意有效的位深度。
波段索引参数是以空格分隔符分隔的三个波段的列表。
要获得最佳结果，请使用数据集属性中的符号系统选项卡交互拉伸输入栅格，从而使得您希望分类的要素变得清晰明了。然后使用拉伸栅格函数中的这些最佳设置增强影像以便获得最佳结果。
有关适用于此工具的地理处理环境的详细信息，请参阅分析环境和 Spatial Analyst。
语法
SegmentMeanShift (in_raster, {spectral_detail}, {spatial_detail}, {min_segment_size}, {band_indexes})| 参数 | 说明 | 数据类型 |
in_raster | 选择要分割的栅格数据集。它可以是多光谱影像或灰度影像。 | Raster Layer; Mosaic Layer |
spectral_detail (可选) | 将给定的重要性级别设置为影像中要素的光谱差异。 值的有效范围从 1.0 到 20.0。如果具有希望单独分类的要素但其光谱特性有些相似，则适合使用较高的值。值越小，创建的光谱性输出越为平滑。例如，在森林场景中使用的光谱详细级别越高，不同树种之间的差异就越大。 | Double |
spatial_detail (可选) | 将给定的重要性级别设置为影像中要素之间的邻近性。 值的有效范围从 1.0 到 20。如果感兴趣要素小且聚集在一起，则适合使用较高的值。值越小，创建的空间性输出越为平滑。例如在市区场景中，您可以使用较小的空间详细级别对不敏感的地表进行分类，也可以使用较高的空间详细级别将建筑物和道路归为不同的类。 | Long |
min_segment_size (可选) | 将小于此大小的分割与其最适合的邻近分割合并。 单位为像素。 | Long |
band_indexes (可选) | 选择您希望用于对空格分隔的影像进行分割的波段。 您希望选择最能区分感兴趣要素的波段。 | String |
返回值
| 名称 | 说明 | 数据类型 |
| out_raster_dataset | 为输出数据集指定名称和扩展名。 如果输入是一个多光谱影像，则输出将为 8 位的 RGB 影像。如果输入是一个灰度影像，则输出将为 8 位的灰度影像。 | Raster |
代码示例
SegmentMeanShift 示例 1（Python 窗口）
本示例将使用近红外、红色和绿色输入创建最小分割大小为 20 的输出。
import arcpy
from arcpy.sa import *
seg_raster = SegmentMeanShift("c:/test/moncton.tif", "15", "10", "20", "4 3 2")
seg_raster.save("c:/test/moncton_seg.tif")
SegmentMeanShift 示例 2（独立脚本）
本示例将使用近红外、红色和绿色输入执行 SegmentMeanShift 以创建最小分割大小为 20 的输出。
# Import system modules
import arcpy
from arcpy.sa import *
# Set local variables
inRaster = "c:/test/moncton.tif"
spectral_detail = "14.5"
spatial_detail = "10"
min_segment_size = "20"
band_indexes = "4 3 2"
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute
seg_raster = SegmentMeanShift(inRaster, spectral_detail, spatial_detail,
min_segment_size, band_indexes)
# Save the output
seg_raster.save("c:/output/moncton_seg.tif")
环境
许可信息
- ArcGIS Desktop Basic: 需要 Spatial Analyst
- ArcGIS Desktop Standard: 需要 Spatial Analyst
- ArcGIS Desktop Advanced: 需要 Spatial Analyst