4.1: Моделі растрових даних

Last updated
Save as PDF

Page ID: 37042

Anonymous
LibreTexts

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Цілі навчання

Мета цього розділу полягає в тому, щоб зрозуміти, як моделі растрових даних реалізуються в додатках ГІС.

Модель растрових даних широко використовується в додатках, що виходять далеко за межі геоінформаційних систем (ГІС). Швидше за все, ви вже добре знайомі з цією моделлю даних, якщо у вас є досвід роботи з цифровими фотографіями. Повсюдні формати файлів JPEG, BMP та TIFF (серед інших) базуються на моделі растрових даних (див. Рис. 4.1 «Цифрове зображення із збільшеною вставкою, що показує піксиляцію растрового зображення»).

Рисунок 4.1 Цифрове зображення зі збільшеною вставкою, що показує піксиляцію растрового зображення

Крім того, всі монітори комп'ютера з рідкокристалічним дисплеєм (LCD) засновані на растровій технології, оскільки вони складаються з встановленої кількості рядків і стовпців пікселів. Примітно, що фундамент цієї технології передує комп'ютерам і цифровим фотоапаратам майже століття. Художник-неоімпресіоніст Жорж Сёра розробив техніку живопису, яку називають «пуантилізм» у 1880-х роках, яка аналогічно спирається на накопичення дрібних монохроматичних «точок» чорнила, які поєднуються, утворюючи більше зображення (рис. 4.2 «Pointillist Artwork»). Якщо ви настільки щедрі, як автор, ви дійсно можете думати про свої створення набору растрових даних як піднесені твори мистецтва.

Малюнок 4.2 Пуантилістські ілюстрації

Растрова модель даних складається з рядків і стовпців однакових розмірів пікселів, з'єднаних між собою, утворюючи плоску поверхню. Ці пікселі використовуються як будівельні блоки для створення точок, ліній, областей, мереж і поверхонь (рис. 2.6 «Процес накладення карти» ілюструє, як земельну ділянку можна перетворити в растрове представлення). Хоча пікселі можуть бути трикутниками, шестикутниками або навіть восьмикутниками, квадратні пікселі представляють найпростішу геометричну форму, з якою можна працювати. Відповідно, переважна більшість доступних растрових даних ГІС побудована на квадратному пікселі (рис. 4.3 «Загальна растрова графіка, що використовується в додатках ГІС: Aerial Photography (зліва) та USGS DEM (праворуч)»). Ці квадрати зазвичай перетворюються на прямокутники різних розмірів, якщо модель даних трансформується з однієї проекції в іншу (наприклад, від координат State Plane до координат UTM [Universal Transversal Mercator]).

Рисунок 4.3 Загальна растрова графіка, що використовується в додатках ГІС: Аерофотознімок (зліва) та USGS DEM (праворуч)

Джерело: Дані, доступні з Геологічної служби США, Центр спостереження та науки про Землю (EROS), Сіу-Фоллс, SD.

Через залежність від однорідної серії квадратних пікселів модель растрових даних називається системою на основі сітки. Як правило, кожній локалі сітки буде присвоєно одне значення даних. Кожна комірка растру несе в собі одне значення, яке представляє характеристику просторового явища в місці, позначеному його рядком і стовпцем. Тип даних для цього значення комірки може бути цілим або з плаваючою комою (розділ 5.1 «Збір географічних даних»). Крім того, растрова графіка може посилатися на систему керування базами даних, де відкриті таблиці атрибутів можуть використовуватися для зв'язування декількох значень даних до кожного пікселя. Просування комп'ютерних технологій зробило цю другу методологію все більш здійсненною, оскільки великі набори даних більше не обмежуються проблемами зберігання комп'ютера, як вони були раніше.

Растрова модель усереднює всі значення в межах заданого пікселя, щоб отримати одне значення. Тому, чим більше площа покривається на піксель, тим менш точні пов'язані значення даних. Площа, яку охоплює кожен піксель, визначає просторову роздільну здатність растрової моделі, з якої вона походить. Зокрема, роздільна здатність визначається вимірюванням однієї сторони квадратного пікселя. Растрова модель з пікселями, що представляють 10 м на 10 м (або 100 квадратних метрів) у реальному світі, як кажуть, має просторову роздільну здатність 10 м; растрова модель з пікселями розміром 1 км на 1 км (1 квадратний кілометр) у реальному світі, як кажуть, має просторову роздільну здатність 1 км; і так далі.

Необхідно дотримуватися обережності при визначенні роздільної здатності растра, оскільки використання надмірно грубої роздільної здатності пікселів призведе до втрати інформації, тоді як використання надмірно тонкої роздільної здатності пікселів призведе до значного збільшення розміру файлу та вимог до комп'ютерної обробки під час відображення та/або аналізу. Ефективна роздільна здатність пікселів враховуватиме як масштаб карти, так і мінімальну одиницю відображення інших даних ГІС. У випадку растрової графіки з грубою просторовою роздільною здатністю значення даних, пов'язані з конкретними місцезнаходженнями, не обов'язково є явними в моделі растрових даних. Наприклад, якби розташування телефонних стовпів було нанесено на грубу растрову графіку, було б зрозуміло, що вся комірка не буде заповнена полюсом. Швидше за все, полюс буде припускатися, що знаходиться десь всередині цієї клітини (як правило, в центрі).

Зображення, що використовують растрову модель даних, повинні мати кілька властивостей. По-перше, кожен піксель повинен містити принаймні одне значення, навіть якщо це значення даних дорівнює нулю. Крім того, якщо немає даних для заданого пікселя, цій комірці сітки має бути присвоєно заповнювач значення даних. Часто довільне, легко ідентифікуване значення (наприклад, −9999) буде призначено пікселям, для яких немає значення даних. По-друге, комірка може містити будь-який буквено-цифровий індекс, який представляє атрибут. У випадку кількісних наборів даних призначення атрибутів є досить простим. Наприклад, якщо растрове зображення позначає висоту, значення даних для кожного пікселя будуть певною ознакою висоти, як правило, у футах або метрах. У випадку з якісними наборами даних значення даних - це індекси, які обов'язково посилаються на якесь заздалегідь визначене поступальне правило. У разі растрової графіки землекористування/землепокриву може застосовуватися наступне правило: 1 = пасовища, 2 = сільськогосподарські, 3 = порушені тощо (рис. 4.4 «Растрове зображення землекористування/земного покриву»). Третя властивість растрової моделі даних полягає в тому, що точки і лінії «переміщаються» до центру комірки. Як і слід було очікувати, якщо растрове зображення з роздільною здатністю 1 км містить річку або потік, розташування фактичної водної артерії в межах «річкового» пікселя буде неясним. Тому існує загальне припущення, що всі нульові (точкові) і одновимірні (лінійні) ознаки будуть розташовуватися до центру осередку. Як наслідок, мінімальна ширина для будь-якого лінійного об'єкта обов'язково повинна бути однією коміркою незалежно від фактичної ширини об'єкта. Якщо це не так, функція не буде представлена на зображенні і тому буде вважатися відсутньою.

Малюнок 4.4 Растрове зображення землекористування/земного покриву

Джерело: Дані, доступні з Геологічної служби США, Центр спостереження та науки про Землю (EROS), Сіу-Фоллс, SD.

Існує кілька методів кодування растрових даних з нуля. Три з цих моделей виглядають наступним чином:

Растрове кодування клітинки за клітиною. Цей мінімально інтенсивний метод кодує растр шляхом створення записів для кожного значення комірки за рядком і стовпцем (рис. 4.5 «Кодування растрових даних за клітиною»). Цей метод можна розглядати як велику електронну таблицю, де кожна комірка електронної таблиці представляє піксель у растровому зображенні. Цей метод також називають «вичерпним перерахуванням».
Растрове кодування довжини виконання. Цей метод кодує значення комірок в прогони аналогічно значущих пікселів і може призвести до сильно стисненого файлу зображення (рис. 4.6 «Кодування растрових даних по довжині виконання»). Метод кодування довжини виконання корисний у ситуаціях, коли великі групи сусідніх пікселів мають подібні значення (наприклад, дискретні набори даних, такі як землекористування/земний покрив або придатність до середовища існування) і менш корисний, коли значення сусідніх пікселів сильно різняться (наприклад, суцільні набори даних, такі як висота або морська поверхня температури).
Растрове кодування Quad-дерево. Цей метод ділить растр на ієрархію квадрантів, які поділяються на основі аналогічно значущих пікселів (рис. 4.7 «Чотиридерево кодування растрових даних»). Поділ растру припиняється, коли квадрант робиться повністю з комірок одного і того ж значення. Квадрант, який не можна розділити, називається «листовим вузлом».

Рисунок 4.5 Кодування растрових даних за клітиною

Рисунок 4.6 Кодування растрових даних довжиною виконання

Рисунок 4.7 Чотирьохдерево кодування растрових даних

Переваги/Недоліки растрової моделі

Використання моделі растрових даних дає безліч переваг. По-перше, технологія, необхідна для створення растрової графіки, недорога і повсюдна. Майже кожен в даний час володіє якимось генератором растрових зображень, а саме цифровою камерою, і сьогодні продається мало стільникових телефонів, які не включають таку функціональність. Аналогічно, безліч супутників постійно промінюють растрову графіку до наукових установ по всьому світу (Розділ 5.3 «Формати файлів»). Ці графіки часто розміщуються в Інтернеті для приватного та/або публічного використання, іноді безкоштовно для користувача.

Додатковими перевагами растрової графіки є відносна простота базової структури даних. Кожне розташування сітки, представлене на растровому зображенні, співвідноситься з одним значенням (або серією значень, якщо включені таблиці атрибутів). Ця проста структура даних також може допомогти пояснити, чому відносно легко виконувати аналіз накладання растрових даних (докладніше про аналіз накладень див. Розділ 7.1 «Одношаровий аналіз»). Ця простота також піддається легкій інтерпретації та обслуговуванню графіки, щодо її векторного аналога.

Незважаючи на переваги, у використання растрової моделі даних також є кілька недоліків. Перший недолік полягає в тому, що растрові файли, як правило, дуже великі. Зокрема, у випадку растрових зображень, побудованих за методологією кодування за клітиною, величезна кількість значень, що зберігаються для даного набору даних, призводить до потенційно величезних файлів. Будь-растровий файл, який охоплює велику площу і має кілька тонко вирішені пікселі, швидко досягне сотень мегабайт за розміром і більше. Ці великі файли тільки збільшуються, оскільки кількість та якість наборів растрових даних продовжує йти в ногу з кількістю та якістю комп'ютерних ресурсів та збирачів растрових даних (наприклад, цифрових камер, супутників).

Другим недоліком растрової моделі є те, що вихідні зображення менш «симпатичні», ніж їх векторні аналоги. Це особливо помітно, коли растрові зображення збільшуються або збільшуються (див. Рис. 4.1 «Цифрове зображення зі збільшеною вставкою, що показує піксиляцію растрового зображення»). Залежно від того, наскільки масштабується растрове зображення, деталі та узгодженість цього зображення швидко втратяться серед піксильованого моря, здавалося б, випадково кольорових комірок сітки.

Геометричні перетворення, що виникають під час зусиль репроекції карти, можуть спричинити проблеми для растрової графіки та являти собою третій недолік у використанні моделі растрових даних. Як описано в розділі 2.2 «Масштаб карти, системи координат та проекції карт», зміна проекцій карти змінить розмір і форму вихідного вхідного шару і часто призводить до втрати або додавання пікселів (Білий 2006) .Білий, Д. 2006. «Відображення втрат пікселів і реплікації при перепроектуванні растрових даних з синусоїдальної проекції.» Геокарто Інтернешнл 21 (2): 19—22. Ці зміни призведуть до того, що ідеальні квадратні пікселі вхідного шару отримають деякі альтернативні ромбоїдні розміри. Однак проблема більша, ніж проста реформація квадратного пікселя. Дійсно, репроекція набору даних растрових зображень з однієї проекції в іншу призводить до зміни значень пікселів, які, в свою чергу, можуть значно змінити вихідну інформацію (Seong 2003) .Seong, J. C 2003. «Моделювання точності репроекції даних зображення». Міжнародний журнал дистанційного зондування 24 (11): 2309—21.

Кінцевим недоліком використання моделі растрових даних є те, що вона не підходить для деяких типів просторового аналізу. Наприклад, труднощі виникають при спробі накладення та аналізу декількох растрових графічних зображень, що виробляються в різних масштабах і роздільній здатності пікселів. Поєднання інформації з растрового зображення з просторовою роздільною здатністю 10 м з растровим зображенням з просторовою роздільною здатністю 1 км, швидше за все, дасть безглузду вихідну інформацію, оскільки масштаби аналізу занадто розрізнені, щоб призвести до змістовних та/або інтерпретованих висновків. Крім того, деякі мережеві та просторові аналізи (тобто визначення спрямованості або геокодування) можуть бути проблематичними для виконання растрових даних.

Ключові виноси

Растрові дані походять від системи суміжних комірок на основі сітки, що містить певну інформацію про атрибути.
Просторова роздільна здатність набору растрових даних являє собою міру точності або деталізації відображуваної інформації.
Модель растрових даних широко використовується не-ГІС-технологіями, такими як цифрові камери/зображення та РК-монітори.
Слід подбати про те, щоб визначити, чи растрова або векторна модель даних найкраще підходить для ваших даних та/або аналітичних потреб.

Вправи

Вивчіть цифрову фотографію, яку ви зробили нещодавно. Чи можете ви оцінити його просторову роздільну здатність?
Якби ви створили файл растрових даних, що показує основні типи землекористування у вашому окрузі, який метод кодування ви б використовували? Який метод ви б використали, якби ви кодували карту основних водних шляхів у вашому окрузі? Чому?