离散和连续数据的栅格重采样

当像元大小从 5 米变为 10 米时，输出栅格格网像元大小将不同。在不同坐标系之间转换栅格数据时，像元中心不匹配。

在这两种情况下，都必须采用重采样方法来指定输出网格的形状。但选择使用哪种重采样方法并不总是容易的，因为重新计算像元值的方法不止一种。

我们将突出显示哪种重采样技术适合在给定场景中使用。我们还将介绍如何在 GIS 环境中使用这些重采样方法。在 GIS 中重采样栅格网格有四种常用方法。

最近邻技术不会更改输入栅格数据集中的任何值。它使用输入栅格数据集中的像元中心来确定输出栅格的最接近像元中心。对于处理速度，由于其简单性，它通常是最快的。

因为最近邻点重采样不会改变输出栅格数据集中的任何值，所以它非常适用于分类数据、名义数据和有序数据。

当您对此类数据进行重采样时，您应该使用最近邻重采样。例如，如果您有一个土地覆盖分类栅格网格，最近邻域将采用像元中心值。

如果农业的离散值为 7，则最近邻方法永远不会为其分配值 7.2。它只涉及从最近的输入层像元中心获取输出值。

双线性插值是一种基于四个相邻网格单元计算网格位置值的技术。它通过取图像中四个相邻单元格的加权平均值来生成新值来分配输出单元格值。

它可以平滑输出栅格网格，但不如三次卷积那么平滑。在处理没有明显边界的连续数据集时，它很有用。

例如，噪声距离栅格没有离散限制。在这种情况下，这种类型的数据在细胞与细胞之间不断变化以形成一个表面。

三次卷积插值类似于双线性插值，因为它采用周围单元格的平均值。输出值不是使用四个最近的单元格，而是基于对16 个最近的单元格进行平均。结果，该方法的处理时间趋于增加。

此方法通常用于存在大量噪声的连续表面。因为与双线性重采样相比它需要更多的相邻像元，所以它有利于平滑来自输入栅格网格的数据。

通常，我们使用三次卷积比双线性插值少得多。特别是，它有利于降噪。例如，合成孔径雷达图像可能受益于三次卷积插值技术，因为它减少了雷达中常见的噪声。

最近邻重采样从输入栅格数据中获取像元中心，而多数算法使用过滤器窗口中最常见的值。

与最近邻算法类似，该技术通常用于离散数据，如土地覆盖分类和其他类型的具有不同边界的栅格网格。

例如，如果过滤器窗口找到 3 个农业用地覆盖像元和 2 个道路像元，则输出数据集将被归类为农业。这是因为农业用地覆盖类别是过滤器窗口中最受欢迎的单元格。与最近邻重采样相比，生成的数据集通常会更平滑。

图像处理对于创建不同分辨率的图像和坐标系转换变得更加重要。这就是我们使用最近邻、双线性插值、三次卷积和多数插值等图像重采样技术的原因。

在 GIS 中，最近邻重采样不会更改输入栅格数据集中输出像元的任何值。这使得最近邻适用于离散数据，如土地覆盖分类图。最近邻重采样从输入栅格数据集中获取像元中心，而众数重采样基于过滤器窗口中最常见的值。

双线性插值技术最适合连续数据。这是因为输出像元是根据输入网格中四个最近值的相对位置计算的。

当输入栅格中有更多噪声时，这就是三次卷积更有利的时候。它平滑了输出网格，因为它从输入数据集中提取了 16 个最近的单元格。

什么时候应该使用最近邻重采样？

通常，您对具有不同边界和限制的离散数据（如土地覆盖分类、建筑物和土壤类型）使用最近邻。

什么时候应该使用双线性重采样？

温度梯度栅格、数字高程模型和年降水量网格是何时使用双线性插值的示例。

什么时候应该使用多数重采样？

我们经常对土地覆盖使用多数过滤器，因此最受欢迎的类保留在输出栅格中。

什么时候应该使用三次卷积插值？

三次卷积是噪声栅格的理想选择，例如平滑雷达图像或表面模型。