地图数据处理5.ppt

栅格数据处理 栅格数据的组合 栅格数据的算术组合 栅格数据的逻辑组合 栅格数据的逻辑组合 栅格数据的扩张 栅格数据的扩张： 右平移一个像元，然后与原数据逻辑或 栅格数据的侵蚀： 右左平移一个像元，与原数据逻辑与 栅格数据的加粗： 四方向：分别上、下、左、右移一个像元，然后与原数据逻辑或 栅格数据的减细： 分别上下左右移一个像元，然后与原数据逻辑与 栅格数据的填充 种子填充 扫描线种子填充 栅格数据处理应用 栅格数据处理应用 在将地图扫描或摄像输入时，由于线不光滑以及扫描、摄像系统分辨率的限制，使得一些曲线目标带来多余的小分支（毛刺噪声）；此为还有孔洞和凹陷噪声。如果不在细化前去除这几种噪声，就会造成细化误差和失真，这样会最终影响地图跟踪和矢量化。 去毛刺 为了去除毛刺噪声的影像，可以采用如图所示的3*3模板进行处理。处理的过程是：按点阵格式扫描图像上每一像素，只要图像相应区域与模板（包括其三次90度旋转所形成的模板）匹配，既判定为毛刺，对应于模板中心的像素值变为0. 填孔 为了去除孔洞及凹陷噪声，我们采用下图所示模板进行处理，只要图像对应区域与该模板（包括其三次90°旋转）匹配，则区域中心点数值变为1。 栅格数据的边缘特征提取 二值图像的边缘特征提取是GIS图像处理中常用的技术，例如可以用于对地图扫描数字化后的数据进行面状要素的提取。二值图像边缘特征提取的过程实际上是寻找像素灰度值急剧变化的位置的过程，并在这些位置上将像素值置为“1”，其余位置上的像素值置为“0”，从而求出目标的边界线。 二值图像的边缘特征提取是用数学算子实现的，如Sobel、Prewitt、Kirsch、拉普拉斯等多种算子。这些算子都是以一个3×3的模板与图像中3×3的区域相乘，得到的结果作为图像中这个区域中心位置的边缘强度。在计算出图像中每一个像素的边缘强度后，将边缘强度大于一定值的点提取出来，并赋以像素值“1”，其余赋以像素值“0”。 栅格数据的边缘特征提取 ?设f(i,j)是(i,j)处的像素值，(i,j)位置处的边缘强度通常用差分值或其函数来表示。简单的差分算法有： ????x方向差分值：△xf(i,j)= f(i,j)- f(i,j-1) ????y方向差分值：△yf(i,j)= f(i,j)- f(i-1,j) ????边缘强度= |△xf(i,j)| + | △yf(i,j)| 或 ??????????? = △x2f(i,j) +? △y2f(i,j)，等等。 Prewitt算子 Sobel算子 拉普拉斯算子 Kirsch算子 栅格符号制作 线状符号 双线公路：一般已知公路的中轴线，而公路符号通常为平行于中轴线的两条曲线表示，将中轴线加粗到公路的外宽，再加粗到公路的内宽，用外宽的数据减去内宽的数据得到双线公路符号。 栅格符号制作 面状图案符号 用颜色填充了的面装符号与填充图案进行逻辑与运算，可得到栅格数据的面状符号。 * 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 计算△xf的模板 计算△yf的模板 △xf = [f(i-1,j-1)-f(i-1,j+1)]+[f(i,j-1)-f(i,j+1)]+[f(i+1,j-1)-f(i+1,j+1)]? △yf = [f(i-1,j-1)-f(i+1,j-1)]+[f(i-1,j)-f(i+1,j)]+[f(i-1,j+1)-f(i+1,j+1)]? ? 对称于中心位置处，左右或上下方向上与对角线方向上各像素的权值不一样。 这是一种最佳适配的边缘检测法。具有如图4-7-8所示的0°、45°、90°、135°、180°、225°、270°、315°八个方向上的模板。用M0～M7分别与图像的各对应元素相乘，取计算结果的最大值作为中央像素的边缘强度。 *