map区域合并

1、合并数据,在 http://geojson.io/#new 上传需要合并的json文件

在这里插入图片描述2、 将右侧数据复制出来,另存为json文件
3、修改该json文件,目前得到数据如下,features数组对象下,每个对象的properties增加alias属性,属性值为合并后名字。保存
在这里插入图片描述4、打开https://mapshaper.org/,选择刚上传的json文件导入,得到如下数据
在这里插入图片描述5、打开网站命令行工具,输入命令 dissolve ‘alias’ -o result.json,回车,然后下载json文件
在这里插入图片描述
6、校验,下载完的json数据拷贝出来,放入geojson右侧JSON框内,就可以看到合并后的行政区了。注意修改properties下的属性,合并后,属性名为 alias ,需改为 name,与之前保持一致
在这里插入图片描述

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个基于区域四叉树分裂合并算法的MATLAB代码示例: ```matlab function [QT, map] = quadtree(I, threshold) % I:输入图像 % threshold:阈值 % 初始化四叉树 QT = struct('type', 'q', 'nw', [], 'ne', [], 'sw', [], 'se', []); % 初始化映射表 map = zeros(size(I)); % 如果图像大小小于等于阈值,则将当前节点设置为叶节点并返回 if size(I, 1) <= threshold QT.type = 'l'; QT.val = mean(I(:)); map(:) = QT.val; return; end % 计算图像的平均灰度值 meanI = mean(I(:)); % 计算图像的灰度值标准差 stdI = std(I(:)); % 如果图像标准差小于等于阈值,则将当前节点设置为叶节点并返回 if stdI <= threshold QT.type = 'l'; QT.val = meanI; map(:) = QT.val; return; end % 将图像分成四个子块 midX = size(I, 1) / 2; midY = size(I, 2) / 2; QT.nw = quadtree(I(1:midX, 1:midY), threshold); QT.ne = quadtree(I(1:midX, midY+1:end), threshold); QT.sw = quadtree(I(midX+1:end, 1:midY), threshold); QT.se = quadtree(I(midX+1:end, midY+1:end), threshold); % 根据子块的值更新映射表 map(1:midX, 1:midY) = map(1:midX, 1:midY) + QT.nw.val; map(1:midX, midY+1:end) = map(1:midX, midY+1:end) + QT.ne.val; map(midX+1:end, 1:midY) = map(midX+1:end, 1:midY) + QT.sw.val; map(midX+1:end, midY+1:end) = map(midX+1:end, midY+1:end) + QT.se.val; end ``` 该代码实现了一个基于区域四叉树分裂合并算法的图像压缩方法。该算法将输入图像递归地分割成四个子块,直到满足某个终止条件为止。在每个节点上,算法计算子块的平均灰度值和标准差,并根据它们的值将子块分裂或合并。最终,算法将每个节点的平均灰度值作为该节点的值,并使用映射表将每个像素的值映射为其所在节点的值。 该算法的优点是能够在保持图像质量的前提下,有效地压缩图像。缺点是算法的运行时间较长,尤其是在图像大小较大时。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值