Растровая структура - данные
Cтраница 1
Растровые структуры данных не обеспечивают точной информации о местоположении, поскольку географическое пространство поделено на дискретные ячейки конечного размера. Это еще одна форма изменения пространственной мерности, которая состоит в том, что мы изображаем объект, не имеющий измерений ( точку), с помощью объекта ( ячейки), имеющего длину и ширину. Линии, то есть одномерные объекты, изображаются как цепочки соединенных ячеек. Опять же, здесь имеет место изменение пространственной мерности от одномерных объектов к двухмерным структурам. Каждая точка линии представляется ячейкой растра, и каждая точка линии должна находиться где-то внутри одной из ячеек растра. [1]
Растровые структуры данных могут показаться плохими из-за отсутствия точной информации о местоположении. На самом деле верно обратное. Растровые структуры имеют много преимуществ перед другими. В частности, они относительно легко понимаются как метод представления пространства. Возможно, некоторые из вас видели распечатки изображений героев мультфильмов на календарях, отпечатанных на АЦПУ и столь распространенных в 60 - х и 70 - х годах. Если нет, то вы уж наверняка знакомы с телевидением, которое использует то же растровое представление изображений. В действительности, родство между пикселом, используемом в дистанционном зондировании, и ячейкой, используемой в ГИС, обеспечивает легкий перенос спутниковых изображений в ГИС, основанные на растре, не требуя каких-либо изменений. [2]
Растровые структуры данных не обеспечивают точной информации о местоположении, поскольку географическое пространство поделено на дискретные ячейки конечного размера. Это еще одна форма изменения пространственной мерности, которая состоит в том, что мы изображаем объект, не имеющий измерений ( точку), с помощью объекта ( ячейки), имеющего длину и ширину. Линии, то есть одномерные объекты, изображаются как цепочки соединенных ячеек. Опять же, здесь имеет место изменение пространственной мерности от одномерных объектов к двухмерным структурам. Каждая точка линии представляется ячейкой растра, и каждая точка линии должна находиться где-то внутри одной из ячеек растра. [3]
Растровые структуры данных могут показаться плохими из-за отсутствия точной информации о местоположении. На самом деле верно обратное. Растровые структуры имеют много преимуществ перед другими. В частности, они относительно легко понимаются как метод представления пространства. Возможно, некоторые из вас видели распечатки изображений героев мультфильмов на календарях, отпечатанных на АЦПУ и столь распространенных в 60 - х и 70 - х годах. Если нет, то вы уж наверняка знакомы с телевидением, которое использует то же растровое представление изображений. В действительности, родство между пикселом, используемом в дистанционном зондировании, и ячейкой, используемой в ГИС, обеспечивает легкий перенос спутниковых изображений в ГИС, основанные на растре, не требуя каких-либо изменений. [4]
Хотя абсолютное местоположение не является явной частью растровой структуры данных, оно подразумевается относительным положением ячеек. [6]
Определение периметра полигона состоит ъ суммировании длин отрезков, составляющих его границу, которые могут быть получены с помощью теоремы Пифагора. Опять же, растровые структуры данных не очень хорошо подходят для этого, но, как и в случае с измерением расстояний, можно определить и периметр. Для этого нужно выделить все ячейки, образующие периметр ( довольно часто это требует активного участия пользователя в процессе), подсчитать их количество и умножить его на разрешение растра. Как и в случае с линиями, чем больше будет диагональных отрезков и чем сложнее граница, тем ниже точность результата. [7]
Определение периметра полигона состоит в суммировании длин отрезков, составляющих его границу, которые могут быть получены с помощью теоремы Пифагора. Опять же, растровые структуры данных не очень хорошо подходят для этого, но, как и в случае с измерением расстояний, можно определить и периметр. Для этого нужно выделить все ячейки, образующие периметр ( довольно часто это требует активного участия пользователя в процессе), подсчитать их количество и умножить его на разрешение растра. Как и в случае с линиями, чем больше будет диагональных отрезков и чем сложнее граница, тем ниже точность результата. [8]
Вначале необходимо определить, какой тип ГИС, векторный или растровый, будет использоваться, а также будет ли ваша ГИС способна преобразовывать эти типы данных один в другой, это повлияет на то, какой подход будет использоваться для ввода данных в ГИС. Некоторые программы, особенно те, что ориентированы на работу с ДДЗ, работают главным образом на растровых структурах данных, в то время как другие оперируют в основном векторной информацией. Большинство коммерческих программ позволяют выполнять преобразования между ними - знак растущей интеграции векторных и растровых систем. [9]
Другая проблема, которая может потребовать внимания, возникает, когда должны быть наложены друг на друга два покрытия, возможно представляющих одну территорию, но в разное время. Эта ситуация имеет место главным образом в случаях с векторными данными, хотя может случиться и в растре. Мы ограничимся векторным случаем, поскольку многие из этих ошибок подавляются недостатком пространственной точности в растровой структуре данных. [10]
 |
Модель TIN. Векторное представление поверхностей образуется соединением точек с известными значениями высоты. Модель называется нерегулярной триангуляционной сетью ( TIN. [11] |
До сих пор мы игнорировали поверхности, хотя они являются фундаментальными явлениями, которые мы моделируем с помощью ГИС. Они существенно различаются по способам представления, особенно векторным. В растре географическое пространство подразумевается дискретным, каждая ячейка растра занимает определенную площадь. В пределах этого дискретизированного, или квантованного, пространства ячейка может иметь атрибут абсолютного значения высоты, которое наиболее представительно для этой ячейки. Это может быть наивысшее или наинизшее значение или некая средняя величина высоты. Таким образом, существующие растровые структуры данных вполне способны представлять поверхности. [12]
Предположим, что мы интересуемся только цифровыми картинами на двумерной сетке. Каждое разбиение порождает четыре квадранта одинаковых размеров. Мы помечаем квадрант белым, если он состоит только из белых пикселов, черным, если он состоит только из черных пикселов, и серым, если он состоит из белых и черных пикселов. Дальнейшее разбиение переносится на серые блоки. Белые и черные блоки остаются без изменений. Процесс разбиения лучше всего описать с помощью 4-дерева, в котором корень представляет исходное изображение, и листья-черные или белые квадранты. Поэтому 4-дерево может представить визуальные данные в более компактном виде, по сравнению с растровой структурой данных. [13]
Страницы: 1