JData_Engineer的博客

通过上述算法，即可对一个窗口内的遥感数据进行滤波，基于上述思路，对整个遥感图像进行遍历，以窗口的中心像元为基准，取到N个相同大小的窗口(窗口大小会随应用场景的变化而变化)，对其中的每一个窗口中心像元进行滤波，以下，为滤波过程的核心代码，其中，self.w_1是人为设置的窗口大小，height和width分别表示遥感数据的行数和列数，result表示滤波后的新数据。在滤波完成后，我们还需要将滤波后的结果保存为TIFF文件。那么，在进行滤波代码的实现以前，让我们一起来看一下滤波的实现原理吧！

在获取到数据的数组后，即可对数据进行计算，然而，在大尺度空间范围下，数据计算过程中所占用的运行内存是非常多的，在数据量较大的情况下，会发生内存溢出的情况，针对于此类情况，Numpy的Array数组有一个特性，即可对Array数组进行分块处理，也可理解为切片处理，而在对Array数组进行分块处理时，可选择规则型分块，即根据数组的行数和列数，将数组分成大小相同的矩形，对其进行处理，也可利用条件表达式，对Array数组进行过滤，对过滤后的数组进行处理。以下内容为此次代码的部分内容(不包含可燃物载量算法)。

(2n+1)的矩形区域，接下来，只需要判断这个区域的中心点是否是这个区域中的最大值，最大值在这个区域内是否唯一就可以了，如果这个区域的中心点的值大于这个区域内的其他值，并且当前区域的最大值具有唯一性，那么我们便可以认为这个区域的中心点就是我们所要提取的山顶点。首先，第一步，还是从需求分析开始，根据题意，我们知道需要从DEM数据中提取出山顶点，那么，需要我们对山顶点的概念有一定了解，而山顶点，也可以理解为是局部区域的最高点，因此，我们只需要提取局部区域最高点即可。以下，为此思路的核心代码。

先进入需求分析阶段，在进行计算之前，我们照常需要对栅格数据中的各数据进行读取，其中主要包含：栅格数据的数组、行数、列数、NoDATA，而在计算的时候，我们还需要创建出一个与原数据相同大小的数组，来存放我们计算出来的结果，在最后将结果保存为栅格数据时，还需要获取到原数据的起始坐标位置(左下角)以及原图像的像元大小。首先，需要先科普一下啥是Voronoi图，根据网络上的解释是这样的：Voronoi图，又叫泰森多边形或Dirichlet图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。

4.输出图像坐标系应与原图像相同，在这一需求上，我们除了要定义数据的输出坐标系外，还要对我们输出数据的相对位置做出定义，也可理解为控制点，在arcpy中，新生成的数组在转化为栅格数据时，需指定初始坐标位置(左下角位置)，因此在在新生成的数据转化为栅格数据之前，我们需要先取得原图像的左下角位置坐标。将原图像的4个像元合并为一个像元，即取2*2窗口的四个像元，取其平均值作为输出图像的像素，输出图像坐标应与原图像相同，输出像元大小应为原图像两倍。1）新数据每个单独像元的值由原图像四个像元的均值组成；