栅格数据分析
栅格数据处理与分析的技巧与案例分析
栅格数据处理与分析的技巧与案例分析引言栅格数据是地理空间信息的一种重要形式，具有大规模、高分辨率和多时相的特点。
在地理信息系统（GIS）领域中，栅格数据处理和分析是非常重要的任务，可以帮助我们深入了解地球表面的变化和空间关系。
本文将介绍一些栅格数据处理和分析的技巧，并通过实际案例来展示其应用价值。
一、数据预处理在进行栅格数据处理和分析之前，首先需要进行数据预处理。
数据预处理包括数据导入、数据格式转换、数据投影转换等步骤。
数据导入是将原始数据导入到GIS软件中，一般可以通过导入文件的方式实现。
数据格式转换是将原始数据转换为GIS软件可识别的格式，常见的格式包括TIFF、GRID、IMG等。
数据投影转换是将原始数据转换为目标坐标系下的数据，以便进行后续分析。
二、栅格数据处理技巧1. 遥感影像预处理遥感影像是栅格数据的一种重要类型，常常用于地表覆盖分类、土地利用变化检测等分析。
在进行遥感影像处理之前，需要进行影像预处理。
预处理包括影像去噪、辐射定标、大气校正等步骤。
影像去噪可以通过滤波器等方法实现，以去除图像中的噪声。
辐射定标是将卫星影像中的数字值转换为辐射亮度值，为后续分析提供准确的数据。
大气校正是为了消除大气因素对卫星影像的影响，使得影像能够更好地反映地表信息。
2. 栅格数据融合栅格数据融合是将不同分辨率、不同传感器的栅格数据进行融合，以提高数据的空间分辨率和时相分辨率。
常见的栅格数据融合方法包括主成分分析法、波段融合法、小波变换法等。
主成分分析法通过主成分分析的方法将多波段影像降维，提取主要信息。
波段融合法通过将多个波段的信息进行线性组合，以获得融合后的影像。
小波变换法通过小波变换的方法将低频和高频信息融合在一起，得到融合后的影像。
3. 栅格数据裁剪和镶嵌栅格数据裁剪是将原始栅格数据裁剪为特定区域的数据，以便进行局部分析。
常见的裁剪方法包括矩形裁剪和多边形裁剪。
矩形裁剪是在GIS软件中指定一个矩形范围，然后将数据裁剪为该范围内的数据。
第十一章栅格数据的生成与分析
第十一章栅格数据的生成与分析栅格数据是一种广泛应用于地理信息系统（GIS）和遥感领域的数据模型。
栅格数据将地理空间划分为规则的方块或像素，并给每个像素分配一个数值或属性。
在地理信息系统中，栅格数据可以用来表示地形、土地覆盖、气候变量等地理现象。
栅格数据具有离散、规则分布和容易进行空间分析等特点，因此在许多地理分析和模型中得到广泛应用。
栅格数据的生成栅格数据可以通过多种方法生成。
其中一种常用的方法是遥感技术。
遥感技术能够从卫星、航空器或无人机等远处获取地面的图像或数据。
这些图像或数据经过处理后，可以生成栅格数据。
例如，利用遥感技术可以获取地表高程数据、植被指数、土地覆盖类型等信息，然后将其转换为栅格数据。
此外，还可以通过数字化地图来生成栅格数据。
数字化地图是将地图上的地理要素如道路、河流、土地使用类型等转换为栅格数据的过程。
可以通过扫描已有的纸质地图，然后使用图像处理软件将地图上的特征转换为栅格数据。
栅格数据的分析栅格数据的分析是地理信息系统的重要功能之一、通过对栅格数据的分析，可以获取地理现象的空间分布、趋势、变化等信息，为决策提供科学依据。
一种常见的栅格数据分析方法是栅格代数运算。
栅格代数运算是指对栅格数据进行加、减、乘、除等数学运算的过程。
通过对不同栅格数据的代数运算，可以生成新的栅格数据，用来表示不同地理现象的组合或关系。
另一种常用的栅格数据分析方法是区域运算。
区域运算是指对每个栅格像素的周围的一定区域进行运算的过程。
通过对栅格数据的区域运算，可以获取栅格数据的局部统计特征，如平均值、方差等。
区域运算对许多地理分析和模型具有重要意义，例如通过对土地覆盖数据进行区域运算，可以得到不同区域的土地覆盖类型分布。
此外，还可以利用栅格数据进行空间分析。
空间分析是指对栅格数据进行空间关系的分析的过程。
通过空间分析，可以确定不同栅格数据之间的空间关系，如邻近关系、重叠关系等。
通过空间分析，可以从栅格数据中提取出更多的地理信息，为决策和规划提供更全面的依据。
如何进行栅格数据处理与分析
如何进行栅格数据处理与分析栅格数据处理与分析在现代科技的发展中扮演着重要的角色，它可以帮助我们更好地理解和利用地球的各种资源。
本文将介绍一些栅格数据处理与分析的基本概念和方法，并探讨如何通过这些技术来解决实际问题。
一、栅格数据处理与分析的基本概念栅格数据是以网格形式表示的空间数据，例如卫星影像、地理信息系统等。
它将地球表面划分为一系列的网格单元，每个单元包含了特定的属性信息。
栅格数据处理与分析则是对这些数据进行处理和分析的过程。
栅格数据处理包括数据预处理、数据清洗、数据转换等步骤。
数据预处理是对原始数据进行修正和修整，以消除数据中的噪声和错误；数据清洗是指对数据进行过滤和去除异常值等操作；数据转换是将数据进行投影变换、重采样等操作，以满足不同分析需求。
栅格数据分析是对栅格数据进行统计、模型建立、模拟等操作，以获取目标区域的空间特性和规律。
通过栅格数据分析，我们可以进行地表覆盖分类、土地利用变化监测、资源调查评估等工作。
二、栅格数据处理与分析的方法1. 数据获取与准备栅格数据处理与分析的第一步是获取需要的数据。
这可以通过遥感技术、测量技术等手段来获取。
然后，将数据导入专业软件中进行处理前的准备工作，例如数据格式转换、投影转换等。
2. 数据预处理数据预处理是栅格数据处理的重要环节。
它包括数据校正、辐射校正、大气校正等步骤，以确保数据的准确性和可靠性。
此外，还需要进行镶嵌、裁剪、重采样等操作，以满足后续分析的需求。
3. 数据清洗与异常值检测数据清洗是为了去除数据中的噪声和异常值，以确保分析结果的准确性。
常用的数据清洗方法包括滤波、去除孤立点等。
同时，还需要进行异常值检测，以发现可能的错误数据。
4. 空间数据分析栅格数据的空间分析是栅格数据处理与分析的核心部分。
它包括栅格数据分类、光谱特征提取、土地覆盖变化检测等。
这些分析方法可以帮助我们了解地表的空间分布和变化情况。
5. 空间模型建立与模拟栅格数据处理与分析还可以依据已有数据，建立相应的数学模型，进行空间模拟和预测。
栅格数据基本分析方法
栅格数据基本分析方法栅格数据是由一系列规则排列的网格单元组成的空间数据集合。
它通常用于描述和分析地理信息系统中的地表特征和现象。
栅格数据基本分析方法是指使用栅格数据进行数据处理、可视化和模型建立的一系列方法和技术。
下面将介绍一些常用的栅格数据基本分析方法。
1.数据预处理栅格数据预处理是指对原始栅格数据进行清洗、转换和重采样等操作，以便进行后续的分析和应用。
常见的数据预处理方法包括数据去噪、数据融合、数据重投影和数据重采样等。
去噪可以通过滤波算法、空间平滑等方法实现，融合可以通过融合不同传感器获取的数据、融合不同时相的数据等方法实现，投影和重采样可以将数据转换到统一的坐标系统和分辨率下。
2.可视化栅格数据可视化是指将栅格数据以图像的形式展示出来，以便理解和分析地表特征和现象。
常见的栅格数据可视化方法包括颜色编码、图像渲染、等值线图、栅格分层和比例尺控制等。
颜色编码通过将栅格数据的数值映射到一定的颜色范围内，来表示不同数值代表的地表特征；图像渲染通过使用不同的渲染算法和颜色映射表将栅格数据转换成图像；等值线图通过连接具有相同数值的栅格单元来表示地表特征的等值线。
3.空间分析栅格数据的空间分析是指基于栅格数据进行空间关系分析、空间统计和地理建模等操作。
常见的空间分析方法包括邻域分析、拓扑关系分析、栅格代数运算、栅格重分类和栅格面积计算等。
邻域分析可以通过计算栅格单元周围的邻域特征和自动距离来获得地表特征的空间指数和密度信息。
拓扑关系分析可以通过计算栅格数据之间的空间连接和邻近性来确定地理实体之间的拓扑关系。
栅格代数运算可以对栅格数据进行加、减、乘、除等运算，用于生成衍生数据和计算栅格指标。
栅格重分类可以通过定义不同的分类规则和阈值来将栅格数据转换成不同的分类，用于区分地物类型和提取特征信息。
栅格面积计算可以通过计算栅格数据的像元个数和单元面积来获取不同地物类型的空间分布和面积比例。
4.模型建立栅格数据的模型建立是指使用栅格数据进行模型分析和预测，以便提取地表特征的空间和时间关系。
GIS空间分析第三章栅格数据分析
GIS空间分析第三章栅格数据分析栅格数据分析是GIS空间分析的重要组成部分，它是通过对栅格数据进行数学计算、空间统计和空间模型构建来揭示地理现象和解决实际问题的过程。
本文将围绕栅格数据的分类、栅格数据的操作、栅格数据的转换和栅格数据的模型构建展开阐述。
首先，栅格数据可以分为单波段栅格数据和多波段栅格数据。
单波段栅格数据是指只包含一个变量的栅格数据，如高程数据、遥感影像数据等；而多波段栅格数据则是指包含多个变量的栅格数据，如遥感影像的RGB波段数据。
栅格数据的操作包括栅格数据的重分类、栅格数据的代数运算和栅格数据的空间过滤。
栅格数据的重分类是指将栅格数据的属性值按照一定的标准进行重新划分，以便于后续的分析和应用；栅格数据的代数运算是指对栅格数据进行加、减、乘、除等数学运算，以获得新的栅格数据；栅格数据的空间过滤是指通过设定空间窗口大小和权重来对栅格数据进行平滑或者锐化处理，以揭示地理现象的模式和变化。
栅格数据的转换包括栅格数据的样本导出、栅格数据的统计和栅格数据的可视化。
栅格数据的样本导出是指从栅格数据中提取一部分样本数据，用于建立统计模型或者进行其他分析；栅格数据的统计分析是指对栅格数据进行均值、方差、标准差等统计指标的计算，以了解栅格数据的分布特征；栅格数据的可视化是指通过色彩、阴影和填充等方式将栅格数据以图像的形式展示出来，以便于人们对其进行直观的理解和分析。
最后，栅格数据的模型构建是指根据栅格数据的特征和空间关系建立数学模型，用于解决实际问题。
常见的栅格数据模型包括地形模型、遥感模型和景观模型。
地形模型是通过栅格数据的高程信息构建的，它可以用来进行地形分析、地形模拟和洪水预测等；遥感模型是通过栅格数据的反射率信息构建的，它可以用来进行植被分析、土地利用分类和环境监测等；景观模型是通过栅格数据的空间分布和格网图案构建的，它可以用来进行景观格局分析和景观生态研究等。
总之，栅格数据分析是GIS空间分析中一种重要的数据分析方法，它通过对栅格数据进行分类、操作、转换和模型构建来揭示地理现象和解决实际问题。
栅格数据的空间分析方法
下面给出一个数学运算的例子。有一个森林地区融雪经验模型：
4.4 栅格数据的追踪分析 所谓栅格数据的追踪分析是指对于特定的栅格数据系统，有某一个或多个起点，按照一定的追踪线索进行追踪目标或者追踪轨迹信息提取的空间分析方法。
第四章 栅格数据的空间分析方法
栅格数据的追踪分析
如下图，栅格所记录的是地面点的海拔高程值，根据地面水流必然向最大坡度方向流动的原理分析追踪线路，可以得出两个点位地面水流的基本轨迹。
*
栅格数据的聚类、聚合分析均是指将一个单一层面的栅格数据系统经某种变换而得到一个具有新含义的栅格数据系统的数据处理过程。
1
也有人将这种分析方法称之为栅格数据的单层面派生处理法。
2
4.2 栅格数据的聚类、聚合分析
第四章 栅格数据的空间分析方法
1、聚类分析 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。 图a为一个栅格数据系统，1，2，3，4为其中的四种类型要素，图b为提取其中要素“2”的聚类结果。
4.1.9 坐标空间和栅格数据集
4.1、栅格数据
*
4.1、栅格数据
在地图坐标中单元以(x, y)位置的方式来访问，而从不用行列位置。
属于真实世界坐标空间的栅格数据集的x，y笛卡尔坐标系统依照地图投影来定义。
地图投影变换使三维地表能够用二维地图来显示和存储。
校正栅格数据集到地图坐标或转变栅格数据集从一个投影到另一个投影的过程被称为几何变换。
*
栅格数据
4.1.3 行(Rows)与列(Columns) 单元按行列摆放，组成了一个笛卡尔矩阵。矩阵的行平行于笛卡尔平面的x轴，列平行于y轴。每个单元有唯一的行列地址。
栅格数据分析
•提取分析
•信息复合分析
•追踪分析
•窗口分析
1.聚类分析
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。
在四种类型要素中提取其中要素2的聚类
2.聚合分析
根据空间分辨力和 分类表，进行数据 类型的合并或转换 以实现空间地域的 兼并。
1、 2 类合 并为b， 3、 4 类合 并为a 2、3 类合 并为c， 1、4 类合 并为d
9
32 30 25
33
9 32 21
32
3 24 15
29
25 3 12
20
14 11 3
16
19
20
25
10
对栅格数据开辟一个有固定分析半径的分析窗口， 并在该窗口内进行诸如极值、均值等一系列统计 计算，或与其它层面的信息进行必要的复合分析。 窗口类型如下： •矩形窗口 •圆形窗口 •环形窗口 •扇形窗口
3.信息复合分析
1)视觉信息复合分析 将不同侧面的信息内容叠加显示在结果图件或屏幕上， 以便研究者判断其相互空间关系，获得更为丰富的 空间信息。视觉信息叠加包括以下几类： 点状图，线状图和面状图之间的叠加显示。 面状图区域边界之间或一个面状图与其他专题区域 边界之间的叠加。 遥感影像与专题地图的叠加（融合）。 专题地图与数字高程模型（DEM）叠加显示立体专 题图。 遥感影像与DEM复合生成三维地物景观。
4.追踪分析
对于特定的栅格数据系 统，由某一个或多个 起点，按照一定的追 踪线索进行追踪目标 或者追踪轨迹信息提 取的空间分析方法。
3 4 4 2 9 13 9 9 9 8 12 20 12 18 25 17 23 28 18 23 26 17 20 20
GIS空间分析第三章栅格数据分析
名称(Name): 每个栅格数据集必须有一个名称以 便在数据库中相互区分。所有对栅格数据集的访 问都是通过它的名称进行的，数据集的名称在所 有表达式中必须一致。
3.2 栅格数据分析的环境
在对栅格数据进行分析之前，需要设置分 析选项，主要包括：
结果输出的路径 分析范围 单元大小 在选择的单元上进行分析的分析掩膜
栅格数据的再分类（Reclassifying raster data）
输入离散型栅格
再分类栅格
类别数据的再分类需要用新值代替原来的值。例如，土地利
用类型可以根据适宜性的状况分为：低适宜 (1)、中适宜 (2)、 高适宜(3)。与适宜性无关的用地类型表示为空值。
•输入连续型栅格
•再分类栅格
连续型数据的再分类需要用新值代替一定范围的值。例如， 描述距离公路远近的栅格可以被分为三个距离带。
视域（Viewshed）
视域判别输入栅格中能够从一个或多个观 察点或线上可以看到的单元。在输出栅格 上，每个单元的值表示可以看到该点的观 察点的数量。
如果只有一个观察点，则能够被看到的栅 格单元被赋值为1。其它无法看到的栅格单 元被赋值为0。
观察点的要素类可以包含点或线。线的结 点或中间点将被看作是观察点。
坡向（Aspect）
坡向是指坡度的朝向，即某一单元对朝坡下的相 邻单元的方向。
在坡向栅格中的单元值是由0-360表示的方向。其 中，北为0，按顺时针的方向，90为东，180为南， 270为西。坡度为0（平地）的栅格单元，其坡向 值为-1。
坡向值为90的单元朝向 东方。由此顺坡而下， 就是向东而行。早晨太 阳升起时，该单元充满 阳光。晚上太阳西下， 则缺少阳光。
等高线（Contours）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
31
基于矢量与基于栅格的数据分析的比较
矢量数据分析和栅格数据分析是GIS分析的两种基本类型。GIS软件包 不能在相同操作中同时进行这两种分析，因此被分开处理。
一般原则是，对于项目，选择有效的和适当的数据分析类型。
32
9
图12.3（d）中的像元是由三个输入栅 格（a、 b和 c）以局域运算计算的平 均值。其中，阴影像元为 no data
10
图12.4 （d）中的像元值是由三 个输入栅格（a、 b和 c）以局 域运算求取的众数统计值。阴 影像元为 no data
11
图12.5 （c）中的每个像元值代表（a）和（b）像元值的独特组合。组合代码 及其含义见（d）
栅格的区域为范围对输入栅格进行分区运算生成输出栅格，输出
栅格对分区栅格的每个分区概括了输入栅格的像元值。
18
图12.10 两个大流域（分区）的厚度和重心。面积以km2表示，周长和厚度
以km表示，每个分区的重心则标以 x
19
图12.11 （c）中的像元值是 由输入栅格（a）和分区栅 格（b）运算的分区平均
型数值）。
3
数据分析环境
栅格数据分析环境包括分析的区域范围和输出像元大小。
4
局域运算
局域运算是一个像元接一个像元运算，建立栅格数据分析的 核心。 局域运算由单个或多个输入栅格生成一个新的栅格。
5
格局域运算:单一栅格
假定以单一栅格为源数据，基于输入栅格的像元值，局域运算 通过空间数学函数计算输出栅格的每个像元值。
15
图12.8 （b）的像元值是 （a）的阴影像元用3×3邻域 的邻域值域统计值。例如， 输出栅格的左上方有个像元 值为100，是由（200 – 100） 计算而得
16
图12.9 （b）的像元值是
（a）的阴影像元用3×3邻 域的邻域众数统计值。例
如，在输出栅格的左上方有
个像元值为2，因为在该邻 域中有5个2和4个1
值。例如，2.17 是分区 1 的
{1, 1, 2, 2, 4, 3} 的平均值
20
自然距离量测运算
距离可以表达为自然距离和耗费距离。
自然距离量测运算是计算与源像元的直线距离。
21
图12.12 直线距离量测一个像元中心到另一个像元中心的距离。本 图表示像元（1,1）和像元（3,3）之间的直线距离
6
图 12.1 用于局域运算的算术函数、对数函数、三角函数和幂函 数
7
图12.2 基于局域运算，将坡度栅格数据的像元值由百分数(a)转化 为度数(b)
8
局域运算:多个栅格
由于可以用多个栅格图层进行运算，所以局域运算相当于基于矢 量的地图叠置操作。
除了可用于独立栅格的数学公式外，其他的基于输入栅格的像元 值或其频率的度量也都可存储于输出栅格。
17
分区运算
分区运算用于处理相同值或相似要素的像元分组。这些组称为 分区。分区可以是连续的或不连续的。 分区运算可对一个或两个栅格进行处理。 若为单个输入栅格，分区运算量测每个分区的几何特征，如面 积、周长、厚度（thickness）和重心。 给定两个栅格（一个输入栅格和一个分区栅格），要求以分区
12
邻域运算
邻域运算，涉及一个焦点像元和一组环绕像元。环绕像元是 按其相对于焦点像元的距离和（或）方向性关系来选定的。 邻域运算得到的既可以是最小值、最大值、值域、总和、平 均值、中值、标准差等统计值，也可以是众数、少数和种类数 等测量值列表。 常见的邻域类型有矩形、圆形、环形和楔形。
22
图12.13 从一个河网的连续距离量测
23
配置与方向
配置栅格中的像元值对应于距该像元最近的源像元。 方向栅格中的像元值对应于距它最近的源像元的方向值。
24
图12.14 基于图中标记为1和2的源像元，（a）表示各像元与最近源像元的自 然距离量测（以像元为单位）；（b）表示各像元到距离最近的源像元之间的 配置；（c）表示各像元与距离最近的源像元的方向（以度为单位）。用阴影 表示的第3行3列的像元到两个源像元的距离相等，因此，该像元可配置给任 一源像元，其指向源像元1的方向为 243°
注释12.3 更多邻域运算的实例
12.4 分区运算 12.4.1 分区统计量 12.4.2 分区运算的应用
注释栏 12.4 分区运算的重要性
12.5 自然距离量测运算 12.5.1 配置与方向 12.5.2 自然距离量测运算的应用
注释栏 12.5 距离量测运算的局限性
12.6 其他的栅格数据运算 12.6.1 栅格数据管理 12.6.2 栅格数据提取 12.6.3 栅格数据的综合归纳 12.7 地图逻辑运算 12.8 基于矢量与基于栅格的数据分析的比较 12.8.1 地图叠置
第12章 栅格数据分析
12.1 数据分析环境
注释栏12.1 如何制作分析掩模
12.2 局域运算 12.2.1 单一栅格的局域运算 12.2.2 重新分类 12.2.3 多个栅格的局域运算 12.2.4 局域运算的应用
注释栏12.2 修正的通用土壤流失方程（RUSLE）案例研究
12.3 邻域运算 12.3.1 邻域统计值 12.3.2 邻域运算的应用
注释栏12.6 基于栅格的叠置案例
12.8.2 建立缓冲区 重要概念和术语 复习题 应用：栅格数据分析 习作1 ：执行局域运算 习作2 ：执行合并运算 习作3：执行邻域运算 习作4：执行分区运算 习作5：自然距离量测 习作6：由属性和由掩模作提取 挑战性任务 参考文献
2
栅格数据分析
栅格数据分析是基于栅格像元和栅格的。 栅格数据分析能在独立像元、像元组或整个栅格全部像元 的不同层次上进行。 一些栅格数据运算使用单一栅格，而另一些则使用两个或 更多栅格数据。 栅格数据分析也应考虑像元数值类型（数字型数值，类别
25
其他的栅格数据运算
1. 栅格数据管理的操作包括剪取（clip）和镶嵌（mosaic）。 2. 栅格数据提取是指从一个现有栅格提取数据生成一个新的 栅格。提取栅格数据的工具可以是一个数据集、图形对象 或查询表达式。 3. 栅格数据的综合归纳包括聚合（Aggregate）和 区组 （RegionGroup）。
26
图12.15 分析掩模（b）是用于剪取输入栅格（a）。（c）是输出栅 格，它和分析掩模有相同的范围（a和c之间的特征不同是由于二者有不 同的值域）
27
图12.16 以白色显示的圆用于从输入栅格（a）中提取像元值。输出栅 格（b）和输入栅格有相同的范围，但是圆形以外被赋予no data（为了强 调对比，b使用了与a不同的符号）
30
地图逻辑运算
地图逻辑运算作为一种类似逻辑运算的有语法信息的非标准语言， 可用于操作栅格数据集。 例如，Select(Slope([emidalat], degree), ‘value < 20’)是一个复杂表达 式；在选择坡度小于20°的区域之前要先执行Slope操作： Slope([emidalat], degree)。
13
图12.6 四种常见的邻域 类型：矩形（a）、圆形 （b）、环形（c）和 楔 形（d）。带 x 标记的像 元为焦点像元
14
图12.7 （b）中像元值是 （a）中的阴影像元的以
3×3为邻域的邻域平均值。
例如，（b）中的 1.56 是由 （1 +2 +2 +1 +2 +2 +1 +2 +1）/9 计算得来
ቤተ መጻሕፍቲ ባይዱ28
图12.17 由输入栅格（a）生成的较低分辨率栅格（b）的聚合运算。
它使用均值统计值和因子 2（ b 中的一个像元覆盖 a 中的2 × 2 像 元）。例如，（b） 中的像元值 4 是（a）中 {2, 2, 5, 7}的均值
29
图12.18 输出栅格（b）的各像元都有一个独特数字，它可识别该像 元在输入栅格（a）中所属的联系区。例如，（a）中具有相同像元 值 3的联系区，在（b）中有独特数字 4