使用RasterConvolver进行边缘检测

RasterConvolver转换器在FME 2018.1+中可用。

栅格数据中的边缘是值的强度突然变化的位置。边缘通常发生在面或对象的边界，因此（对于空间数据）对于提取重要要素，例如植被区域的边界非常有用。

在FME中可用使用RasterConvolver检测边缘，使用叫做卷积的处理过程。

卷积是一个在栅格要素和数字矩阵（核）之间进行的数学运算。操作和核的定义通常叫做滤波。

边缘方向

边缘的“方向”从低强度部分到高强度部分。边缘可以以主要垂直或水平方向发生。因此RasterConvolver允许用户从左到右，从右到左，从上倒下或从下到上进行边缘检测。

当栅格具有混合的边缘方向或主要边缘方向未知时，则可检测四个方向的所有边缘，然后使用ExpressionEvaluator对它们进行合并。这个例子就使用了该技术。

下载

源数据

开始工作空间模版

完成工作空间模版

源数据

这些例子中的源数据是JPEG格式的栅格图像数据集。在FME DataInspector中看起来是这样：

该图像是包含一个学校的温哥华地区的鸟瞰图。对于这项练习，我们希望识别校园内不同的表面和建筑物。

分步说明

1. 启动FME Workbench，打开提供的开始模版。这个工作空间读取影像数据和学校的粗略轮廓，轮廓用于裁剪影像：

在Workbench（Run > Run with Feature Caching）中开启要素缓存（feature caching），然后运行工作空间。检查裁剪结果：

1. 添加RasterConvolver转换器，连接到Clipper:Inside端口。打开参数对话框坚持不同的滤波类型。注意有4个叫做Sobel的边缘检测滤波器：

 

选择Sobel Top，点击OK，关闭参数对话框。运行工作空间（或者进行部分运行），检查输出。注意到，正在检测边缘。

但是还有3个其他的Sobel边缘检测过滤器，我们也可以尝试它们。

1. 添加其他3个RasterConvolver转换器。将它们每个都连接到Clipper:Inside端口：

把它们设置为使用不同的Sobel滤波器：Sobel Top、Sobel Bottom、Sobel Left、Sobel Right。

运行工作空间（选择RasterConvolver转换器并按下F6）。检查输出（选择RasterConvolver转换器并按下Ctrl+I）。

注意每个滤波类型会添加不同方向的边缘。为了得到完整结果，我们需要将它们合并到一起。

1. 在画布中添加一个RasterExpressionEvaluator转换器，先不连接到任何对象，打开参数对话框。

设置Mode（模式）参数为Two Rasters：

在Band Expression(s)（波段表达式）字段中，将第一个Interpretation设置为Red8。在Expression（表达式）字段中输入：

换句话说，我们把两个栅格要素的0波段合并到一起。每个单元格新的值等于栅格A值的平方加上栅格B值的平方再开方。

对波段1和2（Green8和Blue8）重复该步骤，每次在表达式中更改波段数字：

现在关闭参数对话框，将前面两个RasterConvolver输出连接到RasterExpressionEvaluator的A和B输入端口。

注意RasterExpressionEvaluator不允许同时处理4个栅格；因此我们需要使用多个转换器。

1. 复制（使用复制/粘贴或Ctrl+D）已有的RasterExpressionEvaluator。将它连接到第二组RasterConvolver:Output端口。因为表达式完全一样，所以参数不需要更改。

现在第二次复制RasterExpressionEvaluators。这次将它连接到已有的RasterExpressionEvaluators转换器的Result端口：

现在运行工作空间，查看第三个RasterExpressionEvaluator转换器的结果：

我们可以看到表面和建筑的边缘，但是图像中有相当多的噪点。

1. 在Clipper和每个已有的RasterConvolver转换器之间添加RasterConvolver（在Clipper的绿色输出端口箭头处输入RasterConvolver进行快速添加）：

打开参数对话框，设置Convolution Filter Type为Blur: Gaussian 5。

重新运行工作空间，然后再次检查最终输出。虽然表面的边缘要模糊一些，但图像中的噪点要小得多。

可选步骤

1. 如果你喜欢带黑色轮廓的白色图像（而不是带白色轮廓的黑色图像），打开最后一个RasterExpressionEvaluator的参数对话框。修改表达式为：

对于8位栅格数据，255减去该值会产生反转图像。

你也可以在工作空间最后添加RasterInterpretationCoercer转换器，使颜色成为标准灰色。设置"Destination Interpretation Type"（目标解译类型）选项为Gray8，"Convert Color to Color"（转换颜色到颜色）选项为Cast。

重新运行工作空间。最终输出为白色背景上具有黑色的线：

 

你现在可以使用这些轮廓（无论手动或自动过程）来确定学校所有的表面和建筑。

注意事项

结果的质量很大程度上依赖于图像在强度差异很大的区域之间，需要具有清晰和明确的边界。

例如，用户尝试定义坐落在码头上的集装箱边界：

 

不幸的是，强度差异最大的边缘是集装箱的阴影；因此当集装箱隐藏在背景表面时，阴影具有最清晰的定义。