推荐最近邻和多数作为分类数据，而立方卷积和双线性插值用于连续数据。
我想知道是否有任何常用算法用于投影航空照片。我刚刚使用最近邻投影完成了一张图像，看起来似乎不错，但是航拍照片不是分类数据，因此接下来我将尝试双线性。
EDIT
我原本不认为航空照片是与DEM或降水数据相同的连续数据，但是Whuber指出这些照片是连续的，应该这样处理。再次感谢。
#1 楼
航拍照片是连续数据。每个像素代表传感器区域对指向它的光的响应，并且随着光的变化，响应会连续变化。结果通常是离散的（通常分为255或256个）类别，但这不会改变数据的性质。因此，您想插值而不是使用分类算法，例如最近邻居或多数算法。双线性插值通常就可以了；在执行时间上要付出一些代价，三次卷积会保留局部对比度更好一点。不可避免会有少量额外的模糊，但是直到图像经历了许多这样的变换后，才几乎无法注意到。相比较而言，与最近邻居的错误要严重得多。评论
这是一个很好的答案。我要补充一点，三次卷积偶尔会引入不同寻常的条带。尤其是如果照片之前已被重新采样或锐化过。我通常会进行三次卷积运算，除非看到这些变形，否则我将切换为双线性插值法。对我而言，真正的问题始终是用于颜色重采样的直方图。我更喜欢线性最小-最大直方图，但有时基于2标准差的直方图会更好地突出关键特征。
– Blord-castillo
11年11月29日在0:49
#2 楼
我没有评论的“声誉”，所以...如果要对航拍照片进行辐射分析，则应在重新采样/投影之前进行。否则，您几乎肯定会在最终产品中引入意想不到的偏见。根据以上blord-castillo的有用评论。
如果天线的最接近和最终用途是用于视觉吸引力或背景贴图，那么我会采用最快的方法来为您提供可用的产品。
如果新天线的像元大小与原始像元相同，则NEAREST效果最好。
如果新天线的像元大小大于原始天线的像元，则BILINEAR效果最佳。
如果（出于某种疯狂的原因）新天线的像元大小小于原始天线的像元，那么我将重新使用NEAREST。
其他选项CUBIC和MAJORITY将在重新采样的产品中产生伪像，处理时间更长，否则似乎不适用于您要执行的操作。
最后一点：
从概念上讲，对从地球表面发射/反射的光进行采样的过程确实是连续的，但实际上，地球表面既具有连续性又具有连续性。离散现象。
通常，人类活动往往会产生离散的过渡，并且
“自然”特征经常（但不总是）连续变化或至少具有模糊的边缘。
因此，正如我在上面的第一部分所述，如何操纵天线取决于您希望如何使用它们。
#3 楼
我知道这个问题比较老，但是我想加2美分，以防其他人遇到这个问题试图回答同样的问题...希望重新采样数据，例如将数据从30 m像素大小汇总到90m像素大小。在这种情况下，您尝试根据附近像素的集合为每个像素创建一个新值。所以可以，对于离散数据集，您可以选择“最近邻”，而对于连续数据，则可以选择“双线性”或“三次卷积”。但是，在这个问题中，目标实际上并不是对数据进行重新采样，而只是将现有数据转换为新的投影-您希望在新的投影中具有相同的值。在这种情况下，您确实想对离散数据集和连续数据集使用最近邻重采样，以保持原始数据值的完整性。我知道该陈述与您阅读的有关“重新采样”的所有内容背道而驰，但实际上是认真地考虑要实现的目标以及对数据所做的事情。另外，我也不是一时兴起就提出这个建议。我花了5年的时间从事研究GIS /遥感的博士学位，以及教授GIS /遥感本科课程。
另一个注意事项是，原始张贴者询问了零和/或负值...如果这些值是真实的数据值（即，海拔高度实际上可以是0或-34.5），那么您想包括这些值。但是，如果所讨论的值不是真实数据，而是用于表示NoDATA（例如0或-9999），则需要在通过双线性或三次卷积进行重采样之前将这些像素屏蔽（删除）出栅格。 。否则，这些-9999像素将包含在重采样计算中，就像该像素的实际高度为-9999一样，您最终将获得无效的数据值。作为三次卷积的一个非常简化的示例，如果您最近的4个像元值为4、5、16，-9999（包括-9999），则可能会导致新的像素值-9974，这是无效数据。
评论
您可能也对gis.stackexchange.com/questions/2587/…上的紧密相关线程感兴趣。请问有人可以提供任何科学论文来比较连续数据和分类数据的不同重采样方法吗？