栅格数据常用方法

Ⅰ 栅格数据编码的方法有那些

1。全栅格式存储
2.链式编码
3.行程编码
4.块式编码
5.四叉树编码

Ⅱ 对比几种常见的栅格数据压缩编码的异同

栅格数据存储的压缩编码 1 直接编码 直接栅格编码是最简单最直观而又非常重要的一种栅格结构编码方法，通常称这种编码为图像文件或栅格文件。直接编码就是将栅格数据看作一个数据矩阵，逐行（或逐列）逐个记录代码，可以每行都从左到右逐象元记录，也可奇数行从左到右，而偶数行由右向左记录，为了特定目的还可采用其它特殊的顺序,右图直接编码可表示为矩阵： 2 链式编码 链式编码又称为弗里曼链码（Freeman,1961）或边界链码。由某一原点开始并按某些基本方向确定的单位矢量链。基本方向可定义为：东＝0，南＝3，西＝2，北＝1等。右图多边形边如果确定原点为像元（10，1），则该多边形界按顺时方向的链式编码为：

链式编码对多边形的表示具有很强的数据压缩能力，且具有一定的运算功能，如面积和周长计算等，探测边界急弯和凹进部分等都比较容易。但是，叠置运算如组合、相交等则很难实施，
3 行程编码 行程编码1 只在各行（或列）数据的代码发生变化时依次记录该代码以及相同代码重复的个数。左图可沿行方向进行行程编码： 行程编码2 逐个记录各行（或列）代码发生变化的位置和相应的代码，左图可沿列方向进行行程编码：
1列：（1，3），（3，1）；
2列：（1，3），（4，1）；
3列：（1，3），（5，1）；
4列：（1，4），（2，3），（5，1）；
5列：（1，4），（4，3），（6，2），（7，1）；
6列：（1，4），（4，2）；
7列：（1，4），（4，2）；
8列：（1，4），（3，2）。 行程编码3 按行（或列）记录相同代码的始末象元的列号（或行号）和相应的代码，左图可沿行方向进行程编码：
4 块式编码 把多边形范围划分成由象元组成的正方形，然后对各个正方形进行编码。块式编码数据结构中包括3个数字：块的初始位置（行、列号）和块的大小（块包括的象元数），再加上记录单元的代码组成。左图块式编码：
5 四叉树编码2.1.6 栅格数据存储的压缩编码 1 直接编码 直接栅格编码是最简单最直观而又非常重要的一种栅格结构编码方法，通常称这种编码为图像文件或栅格文件。直接编码就是将栅格数据看作一个数据矩阵，逐行（或逐列）逐个记录代码，可以每行都从左到右逐象元记录，也可奇数行从左到右，而偶数行由右向左记录，为了特定目的还可采用其它特殊的顺序,右图直接编码可表示为矩阵： 2 链式编码 链式编码又称为弗里曼链码（Freeman,1961）或边界链码。由某一原点开始并按某些基本方向确定的单位矢量链。基本方向可定义为：东＝0，南＝3，西＝2，北＝1等。右图多边形边如果确定原点为像元（10，1），则该多边形界按顺时方向的链式编码为： 链式编码对多边形的表示具有很强的数据压缩能力，且具有一定的运算功能，如面积和周长计算等，探测边界急弯和凹进部分等都比较容易。但是，叠置运算如组合、相交等则很难实施， 3 行程编码 行程编码1 只在各行（或列）数据的代码发生变化时依次记录该代码以及相同代码重复的个数。左图可沿行方向进行行程编码： 行程编码2 逐个记录各行（或列）代码发生变化的位置和相应的代码，左图可沿列方向进行行程编码：1列：（1，3），（3，1）； 2列：（1，3），（4，1）； 3列：（1，3），（5，1）； 4列：（1，4），（2，3），（5，1）； 5列：（1，4），（4，3），（6，2），（7，1）； 6列：（1，4），（4，2）； 7列：（1，4），（4，2）； 8列：（1，4），（3，2）。 行程编码3 按行（或列）记录相同代码的始末象元的列号（或行号）和相应的代码，左图可沿行方向进行程编码： 4 块式编码 把多边形范围划分成由象元组成的正方形，然后对各个正方形进行编码。块式编码数据结构中包括3个数字：块的初始位置（行、列号）和块的大小（块包括的象元数），再加上记录单元的代码组成。左图块式编码： 5 四叉树编码 四叉树分割 将图像区域按四个大小相同的象限四等分，每个象限又可根据一定规则判断是否继续等分为次一层的四个象限，无论分割到哪一层象限，只要子象限上仅含一种属性代码或符合既定要求的少数几种属性时，则停止继续分割。否则就一直分割到单个象元为止。按照象限递归分割的原则所分图像区域的栅格阵列应为2n×2n（n为分割的层数）的形式。 四叉树结构 把整个2n×2n象元组成的阵列当作树的根结点，树的高度为n级（最多为n级）。每个结点有分别代表南西（SW）、南东（SE）、北西（NW）、北东（NE）四个象限的四个分支。四个分支中要么是树叶，要么是树叉。树叶代表不能继续划分的结点，该结点代表子象限具有单一的代码；树叉不只包含一种代在码，必须继续划分，直到变成树叶为止。 四叉树编码 1 指针四叉树编码 通过在子结点与父结点之间设立指针的方式建立起整个结构。按这种方式，四叉树的每个结点通常存储6个量，即四个子结点指针、一个父结点指针和该结点的属性代码。这种方法除了要记录叶结点外，还要记录中间结点，一般要占用较大存储空间。 2 线性四叉树编码 为美国马里兰大学地理信息系统中采用的编码方法，该方法记录每个终止结点（或叶结点）的地址和值，值就是子区的属性代码，其中地址包括两部分，共32位（二进制），最右边4位记录该叶结点的深度，即处于四叉树的第几层上，有了深度可以推知子区大小；左边的28位记录路径，从右边第五位往左记录从叶结点到根结点的路径，0，1，2，3分别表示SW、SE、NW、NE。28位 4位 0 0 0 0 ... ... 0 0 0 0 1 1 1 0 0 0 1 1（路径0SW,3NE,2NW） 0 3 2 深度3记录了各个叶子的地址，再记录相应代码值，就记录了整个图像。 四叉树优点 1.容易而有效地计算多边形的数量特征； 2.阵列各部分的分辨率是可变的，边界复杂部分四叉树较高，即分级多，分辨率也高，而不需要表示许多细节的部分则分级少，分辨率低，因而既可精确表示图形结构又可减少存储量； 3.栅格到四叉树及到四叉树到简单栅格结构的转换比其他压缩方法容易； 4.多边形中嵌套异类多边形的表示较方便。 四叉树分割 将图像区域按四个大小相同的象限四等分，每个象限又可根据一定规则判断是否继续等分为次一层的四个象限，无论分割到哪一层象限，只要子象限上仅含一种属性代码或符合既定要求的少数几种属性时，则停止继续分割。否则就一直分割到单个象元为止。按照象限递归分割的原则所分图像区域的栅格阵列应为2n×2n（n为分割的层数）的形式。 四叉树结构 把整个2n×2n象元组成的阵列当作树的根结点，树的高度为n级（最多为n级）。每个结点有分别代表南西（SW）、南东（SE）、北西（NW）、北东（NE）四个象限的四个分支。四个分支中要么是树叶，要么是树叉。树叶代表不能继续划分的结点，该结点代表子象限具有单一的代码；树叉不只包含一种代在码，必须继续划分，直到变成树叶为止。 四叉树编码 1 指针四叉树编码 通过在子结点与父结点之间设立指针的方式建立起整个结构。按这种方式，四叉树的每个结点通常存储6个量，即四个子结点指针、一个父结点指针和该结点的属性代码。这种方法除了要记录叶结点外，还要记录中间结点，一般要占用较大存储空间。 2 线性四叉树编码 为美国马里兰大学地理信息系统中采用的编码方法，该方法记录每个终止结点（或叶结点）的地址和值，值就是子区的属性代码，其中地址包括两部分，共32位（二进制），最右边4位记录该叶结点的深度，即处于四叉树的第几层上，有了深度可以推知子区大小；左边的28位记录路径，从右边第五位往左记录从叶结点到根结点的路径，0，1，2，3分别表示SW、SE、NW、NE。
28位 4位
0 0 0 0 ... ... 0 0 0 0 1 1 1 0 0 0 1 1
（路径0SW,3NE,2NW） 0 3 2 深度3
记录了各个叶子的地址，再记录相应代码值，就记录了整个图像。 四叉树优点 1.容易而有效地计算多边形的数量特征； 2.阵列各部分的分辨率是可变的，边界复杂部分四叉树较高，即分级多，分辨率也高，而不需要表示许多细节的部分则分级少，分辨率低，因而既可精确表示图形结构又可减少存储量； 3.栅格到四叉树及到四叉树到简单栅格结构的转换比其他压缩方法容易； 4.多边形中嵌套异类多边形的表示较方便。

Ⅲ 什么是栅格数据结构

栅格数据是最简单、最直观的一种空间数据结构，它是将地面划分为均匀的网格，每个网格作为一个像元，像元的位置由所在行、列号确定，像元所含有的代码表示其属性类型或仅是与其属性记录相联系的指针。在栅格结构中，一个点（如房屋）由单个像元表达，一条线（如道路）由具有相同取值的一组线状像元表达，一个面状地物（如旱地）由若干行和列组成的一片具有相同取值的像元表达。图9-11(a) 、(b) 、(c)分别为用栅格像元素表示点、线、面实体的示意图。如图9-11(a)中的“4”代表点像元（点实体）;图9-11(b)中的若干个“6”所代表的点像元相连构成线状像元（线实体）;同样,图9-11(c)中若干个相同的像元代码（6，7或4）所组成的区域代表面实体。 00000000 00060000 7776666600000000 00600000 7777766600000000 06000000 7777776600004000 06000000 4447666600000000 00600000 4444466600000000 00066000 4446666600000000 00000666 0044666600000000 00000000 00006600 a b c图 9-11 用栅格像元表示点、线、面实体
栅格数据的编码方法:栅格数据的编码方法有多种，常见的有栅格矩阵法、行程编码、块码和四叉树编码等，而四叉树编码是一种更有效地压编数据的方法。四叉树编码又称为四分树、四元树编码。它把 2×2 像元组成的阵列当作树的根结点，树的高度为n级（最多为n级）。每个结点有分别代表西北、东北、西南、东南四个象限的四个分支,如图9-12 (a)。四个分支中要么是树叶，要么是树叉。树叶用方框表示，它说明该四分之一范围或全属多边形范围（黑色）或全不属多边形范围即在多边形以外（空心四方块），因此不再划分这些分枝；树叉用圆圈表示，它说明该四分之一范围内，部分在多边形内，另一部分在多边形外，因而继续划分，直到变成树叶为止。四叉树编码正是划分，逐步分解为包含单一类型的方形区域，其最小的方形区域为一个栅格像元。图像区域划分的原则是将区域分为大小相同的象限，而每一个象限又可根据一定规则判断是否继续等分为次一层的四个象限。其终止判据是，不管是哪一层上的象限，只要划分到仅代表一种地物或符合既定要求的几种地物时则不再继续划分，否则一直分到单个栅格像元为止。图9-11(c)所示的栅格数据，经过四叉树编码得到的四叉树如图9-12 (b)所示。四叉树编码有许多优点：①容易而有效地计算多边形的数量特征；②阵列各部分的分辨率是可变的，边界复杂部分四叉树较高即分级多，分辨率也高，而不需表示的细节部分则分级少， 分辨率低。因而既可精确表示图形结构又可减少存储量；③栅格到四又树及四又树到简单栅格结构的转换比其它压缩方法容易；④多边形中嵌套不同类型小多边形的表示较方便。四叉树编码的最大缺点是，树状表示的变换不具有稳定性，相同形状和大小的多边形可能得出不同四叉树结构，故不利于形状分析和模式识别。1313320

Ⅳ ArcGIS中的栅格数据重采样方法有哪些

栅格重采样方法有最邻近法、双线性内插法和三次卷积插值法三种。最邻近法是把原始图像中距离最近的像元值填充到新图像中；双线性内插法和三次卷积插值法都是把原始图像附近的像元值通过距离加权平均填充到新图像中。默认情况下，采用最近邻分配重采样技术，这种方法同时适用于离散和连续值类型，而其他重采样方法只适用于连续数据。三种重采样方法的具体应用可参考http://www.dsac.cn/Software/Detail/21928，里面有一些相关介绍。

Ⅳ 基于栅格数据叠合分析中，三种主要的变换方法

以上是我找的见解栅格数据为单元统计邻域统计分区统计聚类、聚合分析栅格数据的聚类、聚合分析；栅格数据的信息复合分析；栅格数据的追踪分析；栅格数据的窗口分析。矢量数据为路径分析地址匹配资源匹配（1）单元统计当进行多层面栅格数据叠合分析时，常需要以栅格单元为单位进行单元统计。例如，同一地区不同年度土地利用类型的变化分析等（2）邻域统计邻域统计以待计算栅格为中心，向其周围扩展一定范围，基于这些扩展栅格数据进行函数运算，从而得到此栅格的值。（3）分区统计分区统计是以一个数据集为基础在它所包含的不同类别中对另一个被分类数据集进行统计。(4)聚类聚合分析栅格数据的聚类分析是根据设定的聚类条件对原有数据系统进行有选择的信息提取而建立新的栅格数据系统的方法。路径分析是GIS中最基本的功能之一，其核心是对最佳路径的求解。从网络模型的角度看，最佳路径的求解就是在指定网络的两个结点之间找一条阻抗强度最小的路径。一般情况下，可分为如下四种：a、静态求最佳路径：由用户确定权值关系后，即给定每条弧段的属性，当要求最佳路径时，读出路径的相关属性，求最佳路径。b、N条最佳路径分析：确定起点、终点，求代价较小的几条路径，因为在实践中往往仅求出最佳路径并不能满足要求，可能因为某种因素不走最佳路径，而走近似最佳路径。c、最短路径：确定起点、终点和所要经过的中间连线，求最短路径。d、动态最佳路径分析：实际网络分析中权值是随着权值关系式变化的，而且可能会临时出现一些障碍点，所以往往需要动态地计算最佳路径。地址匹配地址匹配实质是对地理位置的查询，它涉及到地址的编码。地址匹配与其它网络分析功能结合起来，可以满足实际工作中非常复杂的分析要求。所需输入的数据，包括地址表和含地址范围的街道网络及待查询地址的属性值。资源分配资源分配网络模型由中心点（分配中心）及其状态属性和网络组成。分配有两种方式，（1）一种是由分配中心向四周输出，（2）另一种是由四周向中心集中。方法各有千秋矢量数据分析直观明白但有时候不能得到我们想要的结果并且不能完全代替真实的世界存在无法避免的误差矢量数据分析复杂抽象数据量小方面存储望采纳

Ⅵ 栅格数据的组织方法

栅格结构是用有限的网格逼近某个图形，因此用栅格数据表示的地表是不连续的，是近似离散的数据。栅格单元的大小决定了在一个象元所覆盖的面积范围内地理数据的精度 ，网格单元越细栅格数据越精确，但如果太细则数据量太大。尤其按某种规则在象元内提取的值，如对长度、面积等的度量，主成分值、均值的求算等，其精度由象元的大小直接决定。由于栅格结构中每个代码明确地代表了实体的属性或属性值，点实体在栅格结构中表示为一个象元，线实体表示为具有方向性的若干连续相邻象元的集合，面实体由聚集在一起的相邻象元表示，这就决定了网格行列阵列易为计算机存储、操作、显示与维护，因此，这种结构易于实现，算法简单，易于扩充、修改，直观性强，特别是容易与遥感影像的联合处理。

Ⅶ 栅格数据的编码方法

编码方法
在栅格文件中，每个栅格只能赋予一个唯一的属性值，所以属性个数的总数是栅格文件的行数乘以列数的积，而为了保证精度，栅格单元分得一般都很小，这样需要存储的数据量就相当大了。通常一个栅格文件的栅格单元数以万计。但许多栅格单元与相邻的栅格单元都具有相同的值，因此使用了各式各样的数据编码技术与压缩编码技术。主要的编码技术简介如下：
（一）直接栅格编码
直接栅格编码是将栅格数据看作一个数据短阵，逐行或逐列逐个记录代码。可每行从左到右逐个记录，也可奇数行从左到右，偶数行从右到左记录，为特定目的也可采用其它特殊顺序。通常称这种编码的图像文件为栅格文件，这种网格文件直观性强，但无法采用任何种压缩编码方法。图2.1 (c)的栅格编码为：4，4，4，4，7，7，7，7；4，4，4，4，4，7，7，7；4，4，4，4，9，9，7，7；0，0，4，9，9，9，7，7；0，0，0，9，9，9，7，7；0，0，0，9，9，9，9，9；0，0，0，0，9，9，9，9；0，0，0，0，0，9，9，9。可用程序设计语言按顺序文件或随机文件记录这些数据。
（二）链式编码
链式编码又称弗里曼链码或世界链码。它由某一原始点和一系列在基本方向上数字确定的单位矢量链。基本方向有东、东南、南、西南、西、西北、北、东北等8个，每个后继点位于其前继点可能的8个基本方位之一。8个基本方向的代码可分别用0，1，2，3，4，5，6，7表示，既可按顺时针也可按逆时针表示。栅格结构按逆时针编码上图（2）可记录为：1，3，7，7，7，6，6，5，4。其中前两个数字1与3表示线状物起点的坐标，即在第一行第三列，从第三个数字起表示单位矢量的前进方向。
链式编码有效地压缩了栅格数据，尤其对多边形的表示最为显着，链式编码还有一定的运算能力，对计算长度、面积或转折方向的凸凹度更为方便。比较适于存储图形数据。但对边界做合并和插入等修改编辑工作很难实施，而且对局部修改要改变整体结构，效率较低。
（三）游程编码
游程编码是栅格数据压缩的重要且比较简单的编码方法。它的基本思路是：对于一幅栅格图像，常有行或列方向相邻的若干点具有相同的属性代码，因而可采用某种方法压缩重复的记录内容。方法之一是在栅格数据阵列的各行或列象元的特征数据的代码发生变化时，逐个记录该代码及相同代码重复的个数，从而可在二维平面内实现数据的大量压缩。另一种编码方案是在逐行逐列记录属性代码时，仅记录下发生变化的位置和相应的代码。图2.1 (c)栅格结构按游程编码方法可记录为：
第一行4,47,4
第二行4,57,3
第三行4,49,27,2
第四行0,24,19,37,2
第五行0,39,37,2
第六行0,39,5
第七行0,49,4
第八行0,59,3
在这个例子中，原本64个栅格数据，只用了40数值就完整地表示了出来，可见用游程编码方法压缩数据是十分有效的。
游程编码的编码和解码的算法都比较简单，占用的计算机资源少，游程编码还易于检索、叠加、合并等操作，在栅格单元分得更细时，数据的相关性越强，压缩效率更高，数据量并没有明显增加。因此，该编码适合微型计算机等中央处理器处理速度慢，存储容量小的设备进行图像处理。
（四）块式编码
块式编码是游程编码扩展到二维空间的情况，游程编码是在一维状态记录栅格单元的位置和属性，如果采用正方形区域作为记录单元，每个记录单元包括相邻的若干栅格，数据结构由记录单元中左上角的栅格单元的行、列号（初始位置）和记录单元的边长（半径）与记录单元的属性代码三部分组成，这便是块式编码。因此可以说，游程编码是块式编码的特殊情况，块式编码是游程编码的一般形式。图2.1 (c)表示的栅格结构按块式编码方法可记录为：
（1，1，3，4），（1，4，1，4），（1，5，1，7），（1，6，2，7），（1，8，1，7）；
（2，4，1，4），（2，5，1，4），（2，8，1，7）；
（3，4，1，4），（3，5，2，9），（3，7，2，7）；
（4，1，2，0），（4，3，1，4），（4，4，1，9）；
（5，3，1，0），（5，4，2，9），（5，6，1，9），（5，7，1，7），（5，8，1，7）；
（6，1，3，0），（6，6，3，9）；
（7，4，1，0），（7，5，1，9），
（8，4，1，0），（8，5，1，0）。
从以上论述的块式编码的编码原理可知，一个记录单元所表示的地理数据相关性越强，也即记录单元包含的正方形边长越长，压缩效率越高。而地理数据相关性差时，也即多边形边界碎杂时，块式编码的效果较差。
块式编码的运算能力弱，必要时其编码的栅格数据须通过解码转换成栅格矩阵编码的数据形式才能顺利进行。块式编码在图像合并、插入、面积计算等功能方面较强。
（五）四叉树数据结构
四叉树编码又名四元树编码，可以通俗理解为一个具有四分枝结构的树，它具有栅格数据二维空间分布的特征，这是一种更为有效的编码方法。四叉树编码将整个图形区域按照四个象限递归分割成2n×2n象元阵列，形成过程是：将一个2×2图像分解成大小相等的四部分，每一部分又分解成大小相等的四部分，就这样一直分解下去，一直分解到正方形的大小正好与象元的大小相等为止，即逐步分解为包含单一类型的方形区域（均值块），最小的方形区域为一个栅格单元。这个倒向树状的图中“○”表示可继续分割的方形区域；“□”表示具有同类属性的方形区域；“■”表示不能再分的单个（最小）象元栅格，即所谓的树叶，树叶表示的是具有单一类型的地物或是符合既定要求的少数几种地物，可以在任意层上。
通过以上对四叉树结构的分析，可发现它有以下特点：
⑴ 存储空间小：因为记录的基本单位是块，不是象素点，因此大大地节省了存储空间。
⑵ 运算速度快：因为四叉树结构的图形操作是在数上进行的，比直接在图上运算要快得多。
⑶ 栅格阵列各部分的分辨率可变：不需要表示许多细节的地方，分级较少，因而分辨率低；边界复杂的地方分级较多，分辨率高，因而在减少数据量的基础上满足了数据精度。
⑷ 容易有效地计算多边形的数量特征。
⑸ 与栅格结构之间的转换，比其它压缩方法容易。
⑹ 四叉树编码表示多边形中嵌套其它属性的多边形时比较方便：它允许多边形嵌套多边形的结构，是非常实用的、重要的特点，这点深深得到地理信息系统数据编码设计者的青睐。
⑺ 四叉树编码的不足之处是：转换具有不确定性，对大小相等形状相同的多边形，不同人可能分解为不同的四叉树结构，因而不利于形状分析和模式识别。四叉树编码处理结构单调的图形区域比较适合，压缩效果好，但对具有复杂结构的图形区域，压缩效率会受到很大影响。
（六）八叉树与十六叉树结构
前面的数据结构都是基于二维的，在相当多的情况下，如地下资源埋藏、地下溶洞的空间分布，二维的坐标体系根本无法表达。因此需要有三维数据结构，如果考虑空间目标随时间变化，那还需要4维数据结构。较好的表达三维与四维结构是在四叉树基础上发展起来的八叉树（三维）和十六叉树（四维）。
是将空间区域不断地划分为八个同样大小的子区域，
（七）各种编码的比较分析
比较以上各种编码，可得出如下主要结论：
⑴ 直接栅格编码直观简单，但数据出现大量冗余；
⑵ 链式编码对边界的运算方便，压缩效果好，但区域运算较困难；
⑶ 游程编码即较大幅度地保留了原始栅格结构，又有较高的压缩效率，而且编码解码也较容易，但仅局限在一维空间上处理数据；
⑷ 块式编码在图像合并、插入、面积计算等功能方面较强，当所表示的地理数据相关性强时，压缩效率相当高；但地理数据相关性差时，块式编码的效果较差，而且块式编码的运算能力较弱；
⑸ 四叉树编码运算速度快，存储空间小，分辨率可变，压缩效率高，但其转换具有不确定性，难以形成统一算法。