栅格数据结构及编码_精品文档.ppt

栅格数据结构及编码_精品文档.ppt

《栅格数据结构及编码_精品文档.ppt》由会员分享，可在线阅读，更多相关《栅格数据结构及编码_精品文档.ppt（31页珍藏版）》请在冰豆网上搜索。

栅格数据结构及编码,点,线,面,点：

为一个像元线：

在一定方向上连接成串的属性相同的相邻像元集合。

面：

属性相同聚集在一起的相邻像元集合。

定义：

栅格数据结构是以规则的阵列来表示空间地物或现象分布的数据组织，组织中的每个数据表示地物或现象的非几何属性特征。

d正方形,形状,二、栅格像元参数形状与大小,Y：

列,格网分辨率,大小,3,3,3,3,栅格象元的大小与描述实体的近似程度及存储的空间相矛盾,三、栅格单元代码的确定方法,中心点法,重要性,长度占优法,为了逼近原始数据精度，除了采用这几种取值方法外，还可以采用缩小单个栅格单元的面积，增加栅格单元总数的方法。

面积占优,B连续分布地理要素,C具有特殊意义的较小地物,A分类较细、地物斑块较小,B,a,b,中心点法处理方法：

用处于栅格中心处的地物类型或现象特性决定栅格代码常用于具有连续分布特性的地理要素，如降雨量分布、人口密度图等。

面积占优法处理方法：

以占栅格区域面积比例最大的地物类型或现象特性决定栅格单元的代码面积占优法常用于分类较细，地物类别斑块较小的情况,重要性法处理方法：

根据栅格内不同地物的重要性，选取最重要的地物类型决定相应的栅格单元代码重要性法常用于具有特殊意义而面积较小的地理要素，特别是点、线状地理要素，如城镇、交通枢纽、交通线、河流水系等，在栅格中代码应尽量表示这些重要地物,长度占优法处理方法：

以网格中线的大部分长度所对应的面域的属性值来确定。

四、栅格数据的值,整数值：

如土壤分类,字母：

蔬菜类型、土地分区,实数：

如高程值、污染物浓度、温度,五、栅格数据组织方法,栅格数据以层的方式来组织文件，在栅格数据结构中，物体的空间位置就用其在笛卡尔平面网格中的行号和列号坐标表示，物体的属性用象元的取值表示，每个象元在一个网格中只能取值一次，同一象元要表示多重属性的事物就要用多个笛卡尔平面网格，称为层。

以像元为序。

不同层上同一像元位置上的各属性值表示为一个列数组。

以层为基础。

每一层又以像元为序记录它的坐标和属性值。

以层为基础。

但每一层内以多边形为序记录多边形的属性值和充满多边形的各像元的坐标。

1、直接栅格编码,当每个像元都有唯一一个属性值时，一层内的编码就需要m行n列3（x,y和属性编码值）个存储单元。

六、栅格数据存储编码,栅格数据是二维表面上地理数据的离散量化值，每一层的象元值组成像元阵列（即二维数组），其中行、列号表示它的位置。

例如影像：

AAAAABBBABBBAAAB在计算机内是一个4*4阶的矩阵。

但在外部设备上，以左上角开始逐行逐列存贮。

如上例存贮顺序为：

AAAAABBBAABBAAAB,2、压缩编码方法,目的：

用尽可能小的数据量来记录尽可能多的信息。

方法：

游程长度编码、链码、块码、四叉树编码。

基本思想：

对于一幅栅格图像，常有行（列）方向上相邻的若干点具有相同的属性代码，因而可采取某种压缩方法压缩那些重复的记录内容。

方法：

游程长度编码是按行（或列）序存储多边形内的各个像元的列号，即在某行（列）上从左（上）至右（下）存储属该多边形的像元个数。

压缩编码-游程长度编码,0，1；4，2；7，5；4，5；7，3；4，4；8，2；7，2；0，2；4，1；8，3；7，2；0，2；8，4；7，1；8，1；0，3；8，5；0，4；8，4；0，5；8，3；,

（1）,

（2）,0，1；4，2；0，5；4，3；0，5；4，4；8，1；0，3；7，1；4，2；8，3；0，2；7，1；4，1；8，5；0，1；7，2；8，6；7，5；8，3；7，4；8，4；,0447777744444777444488770048887700888878000888880000888800000888,2、块码（BlockCodes）,基本思想：

块式编码是将游程长度编码扩大到二维的情况，把多边形范围划分成由像元组成的正方形，然后对各个正方形进行编码。

块式编码的数据结构由初始位置（行号，列号）、半径和属性，再加上记录单元的代码组成。

如图：

0447777744444777444488770048887700888878000888880000888800000888,（1，1，1，0）；（4，1，2，0）；（6，1，3，0）；（7，4，1，0）；（8，4，1，0）；（8，5，1，0）；（1，2，1，4）；（1，3，1，4）；（2，1，2，4）；（2，3，3，4）；（2，5，1，4）；（1，4，1，7）；（1，5，1，7）；（1，6，1，7）；（1，7，2，7）；（2，6，1，7）；（3，7，2，7）；（5，7，1，7）；（3，5，2，8）；（4，4，1，8）；（5，3，1，8）；（5，4，2，8）；（5，6，1，8）；（5，8，1，8）；（7，5，1，8）；（6，6，3，8）；,压缩编码方法-块码,特点：

具有可变的分辨率，即当代码变化小时图块大，表明在区域图斑内部分辨率低；反之以小块记录区域边界地段分辨率高，以此达到压缩的目的。

块码与游程长度编码相似，随着图形复杂程度的提高而降低效率，即图斑越大，压缩比越高；图斑越破碎，压缩比越低。

基本原理：

以多边形的边界为基本单元编码，它是由某一原点开始并按某些基本方向确定的单位矢量。

0447777744444777444488770048887700888878000888880000888800000888,属性值为“4”的多边形：

（4，1，2）0，1，0，3，3，5，4，6，7,编码方法-链式编码,特点：

可以有效地压缩栅格数据，而且对于估算面积、长度、转折方向的凹凸度等运算十分方便，比较适合于存储图形数据。

缺点是对边界进行合并和插入等修改编辑工作比较困难，对局部的修改将改变整体结构、效率较低，而且由于链码是以每个区域为单位存储边界，相邻区域的边界将被重复存储从而产生冗余。

基本思想：

将一幅栅格地图或图像等分为四部分，逐块检查其格网属性值。

如果某个子区的所有格网值都具有相同的值，则这个子区就不再继续分割，否则还需按该子区再分割成四个子区，这样依次地分割，直至每个子区都具有相同的属性值或灰度为止。

编码方法-四叉树编码,采用四叉树编码时，为了保证四叉树分解能不断地进行下去，要求图像必须为2n2n的栅格阵列，对于非标准尺寸的图像需首先通过增加背景的方法将图像扩充为2n2n的图像。

四叉树结构按其编码的方法不同分为常规四叉树和线性四叉树：

常规四叉树：

除了记录叶结/节点之外，还要记录中间结点（非叶结/节点）。

结点之间借助指针联系，每个结点需要用六个量表达：

四个叶结点指针，一个父结点指针和一个结点的属性或灰度值。

这些指针不仅增加了数据贮存量，而且增加了操作的复杂性。

常规四叉树主要应用于数据的索引和图幅的索引，为了减少编码时间，在数据压缩和GIS数据结构中通常采用自下而上生成的线性四叉树,对一幅2n2n的栅格阵列，最大深度为n，层次可为0,1,n,记录每个叶结点的地址和值，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，左边的28位记录路径，从右边第5位往左记录从叶节点到根结点的路径。

0，1，2，3分别表示SW，SE，NW，NE。

第10号结点的地址编码为：

000000001101|0011,四叉树结构按其编码的方法不同分为常规四叉树和线性四叉树：

线性四叉树：

只存贮最后叶结点的信息。

包括叶结点的位置、深度和本结点的属性或灰度值。

所谓深度是指处于四叉树的第几层上。

由深度可推知子区的大小。

线性四叉树叶结点的编号需要遵循一定的规则，这种编号称为地址码，它隐含了叶结点的位置和深度信息。

常用的四叉树编码是四进制莫顿码和十进制莫顿码。

由于四进制莫顿码建立四叉树的方法内存开销大，大多语言系统不支持四进制变量，因此通用性不强，十进制莫顿码具有直观性的特点，因此更常用。

十进制Morton码的编码，奇位组合是行号，偶位组合是列号,行号5=0101,列号7=0111,Morton码=00110111=55,这样就可将用行列表示的二维图像，用Morton码写成一维数据，通过Morton码就可知象元位置。

把一幅2n2n的图像压缩成线性四叉树的过程为：

按Morton码把图象读入一维数组。

相邻的四个象元比较，一致的合并，只记录第一个象元的Morton码。

比较所形成的大块，相同的再合并，直到不能合并为止。

对用上述线性四叉树的编码方法所形成的数据还可进一步用游程长度编码压缩。

压缩时只记录第一个象元的Morton码。

例：

四叉树Morton码编码结果,解码时，据Morton码，可知象元在图像中位置。

从左上角，本Morton码和下一个Morton码之差即为象元个数。

知道了象元的个数和象元的位置就可恢复出图像了。

优点：

容易而有效地计算多边形的数量特征；阵列各部分的分辨率是可变的，边界复杂部分四叉树越高即分级多，分辨率也高，而不需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。

栅格到四叉树及四叉树到简单栅格结构的转换比其他压缩方法容易。

缺点：

转换不定性，即用同一形状和大小的多边形可能得出多种不同的四叉树结构，不利于形状分析和模式区别。

七、栅格数据结构特点,离散的量化栅格值表示空间对象位置隐含,属性明显数据结构简单,易与遥感数据结合,但数据量大几何和属性偏差面向位置的数据结构,难以建立空间对象之间的关系,矢量数据,优点：

表示地理数据的精度较高严密的数据结构，数据量小完整的描述空间关系图形输出精确美观图形数据和属性数据的恢复、更新、综合都能实现面向目标，不仅能表达属性，而且能方便的记录每个目标的具体属性信息缺点：

数据结构复杂矢量叠置较为复杂数学模拟比较困难技术复杂，特别是软硬件,栅格数据,优点：

数据结构简单空间数据的叠置和组合方便各类空间分析很易于进行数学模拟方便缺点：

图形数据量大用大像元减少数据量时，精度和信息量受损地图输出不美观难以建立网络连接关系投影变换比较费时,课堂作业：

e,b,c,4,1,3,2,5,A,B,C,7,6,D,a,O,