摘要
更改栅格数据集的空间分辨率并针对所有新像素大小的聚合值或插值设置规则。
用法
可改变像元大小,但栅格数据集的范围将保持不变。
可将输出结果保存为 BIL、BIP、BMP、BSQ、DAT、Esri Grid、GIF、IMG、JPEG、JPEG 2000、PNG、TIFF、MRF、CRF 格式或任意地理数据库栅格数据集。
输出像元大小参数可对输出重采样以具有与现有栅格图层相同的像元大小,也可输出特定的 X 和 Y 像元大小。
有四个用于重采样技术参数的选项:
- Nearest - 执行最邻近分配法,是速度最快的插值方法。此选项主要用于离散数据(如土地利用分类),因为它不会更改像元的值。最大空间误差将是像元大小的一半。
- Majority - 执行众数算法,可根据过滤器窗口内的最常用值来确定像元的新值。与最邻近法一样,此选项主要用于离散数据;但与“最邻近”选项相比,“众数”选项通常可生成更平滑的结果。众数重采样方法将在与输出像元中心最接近的输入空间中查找相应的 4 x 4 像元,并使用 4 x 4 相邻点的众数。
- Bilinear - 执行双线性插值并基于四个最邻近的输入像元中心的加权平均距离来确定像元的新值。此选项用于连续数据,并会生成平滑的数据。
- Cubic - 执行三次卷积插值法,可通过拟合穿过 16 个最邻近输入像元中心的平滑曲线确定像元的新值。此选项适用于连续数据,尽管所生成的输出栅格可能会包含输入栅格范围以外的值。与通过运行最邻近重采样算法获得的栅格相比,输出栅格的几何变形程度较小。“三次”选项的缺点是需要更多的处理时间。在某些情况下,此选项会使输出像元值位于输入像元值范围之外。如果无法接受此结果,请转而使用“双线性”选项。
“双线性”或“三次”选项不得用于分类数据,因为像元值可能被更改。
如果输出空间中像素的中心与输入像元中某一像素的中心完全一致,则该特殊像元值将获取所有权重,从而导致输出像素与像元中心相同。这将影响双线性插值法或三次卷积插值法的结果。
输出栅格数据集的左下角与输入栅格数据集的左下角具有相同的地图空间坐标位置。
可按如下方法确定输出栅格中的行数和列数:
columns = (xmax - xmin) / cell size rows = (ymax - ymin) / cell size
如果上述方程的结果中存在余数,则会对列数和/或行数进行四舍五入。
语法
Resample_management (in_raster, out_raster, {cell_size}, {resampling_type})
参数 | 说明 | 数据类型 |
in_raster | 想要更改空间分辨率的栅格数据集。 | Mosaic Dataset; Mosaic Layer; Raster Dataset; Raster Layer |
out_raster | 要创建的数据集的名称、位置和格式。
以地理数据库形式存储栅格数据集时,请勿向栅格数据集的名称添加文件扩展名。将栅格数据集存储到 JPEG 文件、JPEG 2000 文件、TIFF 文件或地理数据库时,可以指定压缩类型和压缩质量。 | Raster Dataset |
cell_size (可选) | 使用现有栅格数据集的新栅格的像元大小或指定其宽度 (x) 和高度 (y)。 可通过 3 种不同方法指定像元大小:
| Cell Size XY |
resampling_type (可选) |
根据您拥有的数据类型选择相应的技术。
| String |
代码示例
重采样示例 1(Python 窗口)
这是“重采样”工具的 Python 示例。
import arcpy
arcpy.Resample_management("c:/data/image.tif", "resample.tif", "10 20", "NEAREST")
重采样示例 2(独立脚本)
这是“重采样”工具的 Python 脚本示例。
# Resample TIFF image to a higher resolution
import arcpy
arcpy.env.workspace = r"C:/Workspace"
arcpy.Resample_management("image.tif", "resample.tif", "10", "CUBIC")
环境
许可信息
- ArcGIS Desktop Basic: 是
- ArcGIS Desktop Standard: 是
- ArcGIS Desktop Advanced: 是