리샘플 함수

리샘플 함수는 래스터 픽셀 크기나 리샘플링 유형 또는 둘 다를 변경합니다.

해상도 및 맵 투영이 서로 다른 래스터를 결합하고 분석하기 전에 데이터를 공통 해상도 및 투영으로 리샘플링하는 것이 적합한 경우가 많습니다.

이미지를 다른 좌표계로 재투영하면 원본 이미지가 아닌 정렬에 이미지 픽셀 그리드가 생성됩니다. 새 이미지의 각 픽셀값은 기존 이미지의 해당 위치에서 픽셀의 인접 영역에 대해 샘플링하거나 보간하여 계산해야 합니다.

참고

이 함수는 래스터 데이터셋, 래스터 제품, 모자이크 데이터셋을 공통 픽셀 크기, 투영, 리샘플링 유형으로 변환하는 데 유용합니다.

적절한 리샘플링 방법은 다음과 같이 래스터 데이터 유형과 결과 래스터 데이터셋의 용도에 따라 다릅니다.

  • 최인접 피처 — 이 방법은 새 픽셀 값을 생성하지 않으므로 토지 사용 분류 등의 불연속 데이터에 가장 적합합니다. 정확한 다중스펙트럼 분석을 위해 영상의 기존 반사도 값을 유지하려는 경우 연속 데이터에 이 방법을 사용합니다. 처리 시간 측면에서 가장 효율적인 방법이지만 결과 이미지에 작은 위치 오류가 발생할 수 있습니다. 결과 이미지는 최대 0.5 픽셀까지 오프셋될 수 있으며 이로 인해 이미지가 불연속적이고 들쭉날쭉하게 보일 수 있습니다.

  • 이중 선형 보간이중 선형 보간 더하기 - 이 방법은 연속 데이터에 가장 적합합니다. 결과 이미지는 최근린의 결과보다 모양이 더 부드럽지만 반사율 값이 변경되어 이미지 해상도가 흐려지거나 손실됩니다. 이중 선형 보간 더하기는 엣지 매칭이 더 효율적이므로 타일 데이터에 사용할 수 있습니다. 이 방법에서는 상대적으로 계산이 효율적으로 처리됩니다.
  • 3차 — 이 방법은 연속 데이터에 적합합니다. 최근린 방법의 결과 래스터보다 기하학적으로 덜 왜곡되고, 이중 선형 보간보다 더 선명한 결과가 생성됩니다. 경우에 따라서는 결과 픽셀 값이 입력 픽셀 값 범위를 벗어날 수 있으며, 이것이 허용되지 않는 경우 대신 이중 선형 보간 방법을 사용합니다. 이 방법은 계산이 복잡하며 처리하는 데 시간이 오래 걸립니다.

  • 다수 — 불연속 데이터에 적합한 방법으로, 최근린 리샘플링 방법보다 더 부드러운 모양의 결과가 생성됩니다. 이 방법은 필터 창에 가장 많이 있는 값을 기준으로 픽셀의 값을 결정합니다.

  • Gauss BlurGauss Blur Plus - 불연속 데이터와 연속 데이터 모두에 적합한 방법입니다. 이 방법은 스펙클 효과의 영향을 받는 리샘플링된 레이더 및 SAR 영상의 노이즈를 줄이는 데 효과적입니다. 또한 더 큰 픽셀 크기로 다운샘플링되고 있는 래스터 데이터의 노이즈와 아티팩트를 줄이는 데도 적합합니다. Gauss Blur Plus는 타일 데이터에 사용하여 엣지를 더 효율적으로 매칭할 수 있습니다.
  • 평균 — 연속 데이터에 적합한 방법으로 최근린 리샘플링 방법보다 더 부드러운 결과 이미지가 생성됩니다.

  • 최소 — 연속 데이터에 적합한 방법으로 최근린 리샘플링 방법보다 더 부드러운 결과 이미지가 생성됩니다.

  • 최대 — 연속 데이터에 적합한 방법으로 최근린 리샘플링 방법보다 더 부드러운 결과 이미지가 생성됩니다.

  • 벡터 평균 — 다차원 크기-방향 데이터를 리샘플링하는 데에만 사용됩니다.

입력 픽셀 셀 크기는 원본 픽셀 셀 크기와 다를 수 있습니다.

매개변수

매개변수설명
래스터

리샘플링할 래스터 제품입니다.

리샘플링 유형

  • 최근린 — 가장 가까운 입력 픽셀을 사용하여 출력 픽셀값을 계산합니다. NoData 픽셀은 결과 래스터 데이터셋에서 변경되지 않고 그대로 유지됩니다. 이 옵션이 기본 설정입니다.

  • 이중 선형 보간 — 가장 인접한 픽셀 4개의 거리 가중치 값을 사용하여 픽셀 값을 계산합니다. 이 방법에서는 계산이 효율적으로 처리됩니다.

  • 3차 회선 보간법 — 가장 가까운 16개의 입력 픽셀 중심에서 부드러운 곡선 맞춤을 기준으로 새로운 픽셀 값을 결정합니다.

  • 다수 — 가장 가까운 16개 픽셀의 다수 픽셀 값을 사용하여 픽셀 값을 계산합니다. NoData 픽셀은 결과 래스터 데이터셋에서 변경되지 않고 그대로 유지됩니다.

  • 이중 선형 보간 더하기 — NoData로 정의되어 계산에 복제되거나 사용되지 않는 엣지를 따른 픽셀을 제외하고, 이중 선형 보간을 사용합니다. 이중 선형 보간 더하기는 엣지 매칭이 더 효율적이므로 타일 데이터에 사용할 수 있습니다.

  • Gauss Blur — 원본 래스터에 가우시안 보간법을 적용하고 흐려진 래스터에서 가장 인접한 픽셀 4개의 거리 가중치 값을 사용하여 픽셀 값을 계산합니다. 이 옵션은 리샘플링된 데이터의 노이즈를 제거하고 더 큰 픽셀 크기로 다운샘플링하는 데 적합합니다.

  • Gauss Blur Plus — NoData로 정의되며 계산에 복제되거나 고려되지 않는 엣지를 따른 픽셀을 제외하고, Gauss Blur와 동일한 방법을 사용합니다. Gauss Blur Plus는 엣지 매칭이 더 효율적이므로 타일 데이터에 사용할 수 있습니다.

  • 평균 — 각 대상 픽셀에 대해, 모든 중첩 픽셀의 평균 값을 사용하여 픽셀 값을 계산합니다.

  • 최소 — 모든 중첩 픽셀의 최소 값을 사용하여 픽셀 값을 계산합니다. NoData 픽셀은 결과 래스터 데이터셋에서 변경되지 않고 그대로 유지됩니다.

  • 최대 — 연속 데이터에 적합한 방법으로 최근린 리샘플링 방법보다 더 부드러운 결과 이미지가 생성됩니다.

  • 벡터 평균 — 관련된 모든 픽셀을 사용하여 크기-방향의 벡터 평균을 계산합니다. 이 방법은 크기와 방향을 나타내는 2밴드 래스터에만 적용할 수 있습니다. 먼저 크기-방향을 U-V로 변환한 다음 모든 관련 픽셀의 산술 평균을 계산하여 대상 픽셀의 U-V를 구하고 다시 크기-방향으로 변환합니다.

입력 셀 크기

입력 래스터의 픽셀 셀 크기로, 원본 픽셀 셀 크기와 다를 수 있습니다.

결과 셀 크기

결과 래스터의 픽셀 셀 크기입니다. 셀 크기는 변경할 수 있지만 래스터 데이터셋의 범위는 동일하게 유지됩니다. 시스템 기본 리샘플링은 가능한 가장 가까운 디스플레이 해상도에서 최소량의 데이터를 처리하므로 사용자 정의 셀 크기에서 리샘플링하면 시스템 기본값보다 훨씬 느려질 수 있습니다.


본 항목
  1. 참고
  2. 매개변수