如何通过其值缓冲栅格像素？

左侧的像素表示树的位置及其关联的树冠半径（即像素值范围为2-5）。我想通过它们的冠状半径值来缓冲这些栅格像素。右边的图像是我希望仅使用栅格处理方法来完成的图像。

我最初会考虑在ArcGIS中使用圆形焦点总和，尽管邻域设置是一个固定值，但不会考虑可变大小的冠状半径。

用像素值“缓冲”像素的好方法是什么？

这是Python 2.7使用numpy和的纯栅格解决方案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()

输入：

输出：

基于向量的方法

此任务可以通过三个步骤完成：

• Raster To Point;
• Buffer（使用该VALUE字段作为缓冲区字段）；
• Feature To Raster。

注意：使用缓冲区字段可避免为每个冠部半径值计算缓冲区。

基于栅格的方法

避免基于向量的解决方案，此问题建议使用一种基于最近邻的元胞自动机。假设所有黑色像素均为零，则将像素平方并且其大小等于1（或者适当缩放），采用的规则非常简单：

1. 如果像素值（VALUE）大于1，则其值变为VALUE-1，然后考虑其周围的像素。如果它们的值是小于VALUE-1，这些像素出生或成长，其价值变得VALUE-1。否则，这些像素将保留下来并保持不变。
2. 如果为VALUE<=1，则不执行任何操作（像素已耗尽！）。

这些规则必须被应用，直到所有像素都死了，即它们的值等于0或1，那么N-1次，其中N是您在输入栅格成为最高值。使用一些Python和numpy可以很容易地实现这种方法。

另一种选择是为每个像素值创建一个有条件的单独栅格，在这种情况下为4个栅格。然后将栅格扩展对应于栅格值的像素数（可能会遍历值列表）。最后，加入栅格（代数或空间栅格），以为树冠创建一个二进制栅格。

在栅格中执行此操作是一个具有挑战性的问题，因为您没有机会使用像素值来定义缓冲区的大小。因此，正如您已经说过的，您将需要对每个值进行焦点过滤。

这是仅使用3个过滤器（我找不到的过滤器）来实现的可能答案，但并不完全如Whuber所言：当树木彼此靠近时，您的缓冲区将被截断。

1）编辑：欧几里得分配（这不能完全解决问题，因为它在较小的树附近削减了缓冲区，但比我的第一个解决方案要好得多）。

2）每个像素周围的欧几里得距离

3）带有条件语句的栅格计算器（地图代数）

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

请注意，您可以根据需要调整半径（带或不带中心像素）的条件

想知道为什么不使用ArcGIS的扩展工具？

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)

如果有重叠：最新的expand命令将覆盖先前的命令。

如果您有像素位置，则可以使用半径和中点圆算法（Bresenham Alg。的一种）来提供线索。IMO很容易通过这种方法创建多边形，而我认为在Python中实现这一点很容易。这一组多边形的并集为您提供覆盖区域。