¿Cómo amortiguar los píxeles ráster por sus valores?

Los píxeles a la izquierda representan ubicaciones de árboles y sus radios de copa asociados (es decir, valores de píxeles que van de 2 a 5). Me gustaría amortiguar estos píxeles de trama por su valor de radio de corona. La imagen a la derecha es lo que espero lograr usando solo métodos de procesamiento de ráster .

Inicialmente, pensaría usar una suma focal circular en ArcGIS, aunque la configuración de vecindario es un valor fijo, que no tendría en cuenta el radio de corona de tamaño variable.

¿Cuál es un buen método para "almacenar" los píxeles por sus valores?

Aquí hay una solución raster pura para Python 2.7usar numpyy scipy:

import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt

#create tree location matrix with values indicating crown radius
A = np.zeros((120,320))
A[60,40] = 1
A[60,80] = 2
A[60,120] = 3
A[60,160] = 4
A[60,200] = 5
A[60,240] = 6
A[60,280] = 7

#plot tree locations
fig = plt.figure()
plt.imshow(A, interpolation='none')
plt.colorbar()

#find unique values
unique_vals = np.unique(A)
unique_vals = unique_vals[unique_vals > 0]

# create circular kernel
def createKernel(radius):
    kernel = np.zeros((2*radius+1, 2*radius+1))
    y,x = np.ogrid[-radius:radius+1, -radius:radius+1]
    mask = x**2 + y**2 <= radius**2
    kernel[mask] = 1
    return kernel

#apply binary dilation sequentially to each unique crown radius value 
C = np.zeros(A.shape).astype(bool)   
for k, radius in enumerate(unique_vals):  
    B = ndimage.morphology.binary_dilation(A == unique_vals[k], structure=createKernel(radius))
    C = C | B #combine masks

#plot resulting mask   
fig = plt.figure()
plt.imshow(C, interpolation='none')
plt.show()

Entrada:

Salida:

Enfoque basado en vectores

Esta tarea se puede realizar en tres pasos:

• Raster To Point;
• Buffer(utilizando el VALUEcampo como campo de búfer );
• Feature To Raster.

Nota: el uso del campo de búfer evita el cálculo de un búfer para cada valor de radio de corona.

Enfoque basado en ráster

Al evitar la solución basada en vectores, este problema sugiere utilizar un tipo de autómatas celulares basados ​​en los vecinos más cercanos. Suponiendo que todos los píxeles negros son ceros, los píxeles son cuadrados y su tamaño es igual a 1 (o, alternativamente, están escalados oportunamente), las reglas a adoptar son muy simples:

1. Si el valor de píxel ( VALUE) es mayor que 1, su valor se convierte VALUE-1y luego considera sus píxeles circundantes. Si sus valores son menores que VALUE-1, estos píxeles nacen o crecen y su valor se vuelve VALUE-1. De lo contrario, estos píxeles sobreviven y no se modifican.
2. Si VALUE<=1no hace nada (¡el píxel está muerto!).

Estas reglas deben aplicarse hasta que todos los píxeles estén muertos, es decir, sus valores son iguales a 0 o 1. Entonces N-1, ¿dónde Nestá el valor máximo que tiene en el ráster de entrada? Este enfoque se puede implementar fácilmente con un poco de Python y numpy.

Otra opción sería crear rásteres separados para cada valor de píxel, en este caso 4 rásteres, con una condición. Luego expanda los rásteres por un recuento de píxeles correspondiente al valor del ráster (posiblemente iterando sobre una lista de valores). Por último, une los rásteres (algebraicos o espaciales) para crear un ráster binario para las coronas de los árboles.

Es una pregunta difícil hacer esto en la trama porque no tiene la oportunidad de usar el valor del píxel para definir el tamaño del búfer. Por lo tanto, necesitaría hacer el filtro focal para cada valor, como ya dijo.

Aquí hay una posible respuesta para hacerlo con solo 3 filtros (no pude encontrar menos), pero no perfectamente como lo mencionó Whuber: sus amortiguadores se truncarán cuando los árboles estén cerca unos de otros.

1) EDITAR: asignación euclidiana (esto no resuelve completamente el problema, ya que corta los amortiguadores en la vecindad de árboles más pequeños, pero es mejor que los artefactos de mi primera solución).

2) distancia euclidiana alrededor de cada píxel

3) calculadora ráster (álgebra de mapas) con una declaración condicional

Con("allocation_result" > ("distance_result" / pixel_size) , 1 , 0)

Tenga en cuenta que puede ajustar la condición según sus necesidades en términos de radio (con o sin el píxel central)

¿Me pregunto por qué no usas la herramienta de expansión de ArcGIS ?

import arcpy
from arcpy.sa import *

raster_in  = r'c:\test.tif'
raster_out = r'c:\test_out.tif'

outExpand1 = Expand(raster_in, 2, 2)
outExpand2 = Expand(outExpand1, 3, 3)
outExpand3 = Expand(outExpand3, 4, 4)
outExpand4 = Expand(outExpand4, 5, 5)

outExpand4.save(raster_out)

En caso de superposición: el último expandcomando cubrirá los anteriores.

Si tiene la posición del píxel, el radio y el algoritmo del círculo del punto medio (una variante del Bresenham Alg.) Le dan una pista. En mi opinión, es fácil crear un polígono a partir de este enfoque y creo que es fácil implementarlo en Python. Una unión de este conjunto de polígonos le proporciona el área de cobertura.