栅格那点事儿.pdf

栅 格 那 点 事 儿 栅 格 那 点 事 儿 本系列是一个普及贴，讲讲关于影像栅格的小基础。主要目的捏，是为了让 GIS 出身 的筒子们，能在影像滚滚而来的今天，仍然可以hold 住场面。除了以问答的方式解释一些 基本概念外，也会解释一些在ArcGIS 中处理影像栅格的大大小小的问题。像是影像属性那 些值都啥意思啊？影像金字塔到底是个啥？加载的影像咋是黑的啥也看不见呢？有黑边的 影像咋拼接呢？再有就是稍微高级一点的需求，比如海量的影像怎么管理，有那些参数可以 设置调优等问题。 为了尽量全面的将栅格的事儿说清楚，全部顺着读下来可能会有人觉得比较冗长。有 特定问题，特殊需求的童鞋们，等我全部更完，会做个电梯以便大家从目录各取所需。 如果您有深厚的遥感基础，可能觉得我写的比较幼稚。我以为呢，基础嘛，靠谱就行。 如果有不靠谱的地方，也望各位大家们能予以斧正。 (一)Raster 是个啥子东西 现如今，不仅是在遥感应用中能看到花花绿绿的影像了，在 GIS 应用中也能随处看到 她们的身影。在各种在线地图中，卫星影像作为底图与矢量的道路层叠加；高程DEM 作为 高程来源实现地形的山影效果。相信大家对影像这个词，应该一点儿也不感到陌生。 1 栅 格 那 点 事 儿 那么栅格呢？相对与我们熟悉的影像，这俩只是名词上的区别么？ 栅格（Raster ）和影像（Images/Imagery ）在GIS 应用中经常被相互指代。如果非要区 别一下呢，影像是指通过各种遥感设备，传感器，或者照相机得到的电子的或者纸质的图片， 栅格则是一种数据模型，用来特指影像存储方式的。类比一下，如果把ArcGIS 中存储显示 的图片都称之为酒的话，栅格就是酒瓶，而影像就是瓶中的美酒了。 咱们再来仔细看看栅格数据。 如果说使用矢量来描绘我们的世界，需要使用到点，线或者是面。而构成点，线，或者 面的最小单元，是点（结点）。那么另外一种用于描绘地物的数据-栅格的最小单元又是什 么呢？ 如果你曾经好奇的把影像/栅格数据放大放大再放大，那么可能会注意到，当放大到某 一个层级后，栅格数据就会变成下图所示的状态，变成了一个个的小格子。这些小格子，就 是栅格数据的最小单元，Cell，也叫像元。对影像来说，这个最小的单元被叫做pixel ，像素。 2 栅 格 那 点 事 儿 熟悉shape 格式的筒子们都知道，线或者面数据都是通过点串来存储的。打开属性表也 能够看到，撇开业务属性，就空间属性而言，每一条线就是一条记录，而这条记录中存储的 shape 再展开来才是构成这条线的点串的坐标（xy 坐标）。而栅格数据的组织方式就非常的 简单，有多简单呢，它就是一矩阵！栅格/影像数据看起来很复杂，还那么大一块，但是其 实就是按行和列存储的像元。栅格运算的时候与矩阵运算是一样的，找到相应的位置，然后 将象元值进行相应的加减乘除就可以了。 通过矩阵方式存储的栅格数据有显而易见的优点，数据结构简单。矢量的点，线，面也 可以存储在栅格数据中，这样更方便参与空间分析的运算。BUT ，将地物都栅格化了存储也 有自己的弊端的。首先，栅格化之后，数据的精度取决于且仅取决于栅格的象元大小。象元 越小，数据的所占的磁盘空间越大，处理起来越慢。再有呢，就是栅格的最小单元是不能够 再分割的，在数据存储或者重建的时候会有误差。例如像元大小为1m 的栅格是不能精确存 储边长为10.5m 的矢量边的。 正如上面提到的，像元有个不能被改变的特性，就是它是一个正方形，长 = 宽 = 像 元大小 = 格网大小（栅格） = 分辨率（影像）。对于一个栅格来说，长与宽可以不同， 说明栅格的行数与列数不等，也就是每一行的像元数与每一列的像元数不等。但是在一个栅 格数据中，像元大小是一定的。 象元值又代表了什么呢？ 如果需要了解一个矢量数据的属性，我们Identify 一下，就可以看到该矢量背后的故事。