4. Фильтры

Как мы видели выше, существуют функции, которые используют окно переклассификации ячеек растра для определения развитости границы области. Эти оконные функции называются также фильтрами, особенно если само окно является матрицей чисел, которые служат операндами в выражениях со значениями ячеек растра. Довольно часто этот метод используется в обработке изображений дистанционного зондирования, но имеет такую же применимость и в растровых ГИС. В частности, фильтры используются для выделения краев областей или линейных объектов (фильтры высоких частот (ФВЧ) (high pass filters)), усиления общих градиентов и устранения мелких флуктуации и шума (фильтры низких частот (ФНЧ) (low pass filters)), или даже для подчеркивания ориентации (анизотропные фильтры (directional filters)).

Фильтр высоких частот предназначен для выделения деталей в растровом покрытии, которые могут быть незаметны из-за близлежащих ячеек растра, содержащих относительно близкие значения. В дистанционном зондировании эти значения показывают величину отражения электромагнитного излучения. Однако мы можем использовать практически любые связанные с поверхностью данные. Допустим, что мы заинтересованы в обнаружении мелких гребней в растровом топографическом покрытии. Каждая ячейка растра содержит отсчет высоты, и мы хотим подчеркнуть контраст между несколько более высокими значениями для гребня и несколько более низкими значениями, окружающими этот объект. Типичный метод для выполнения такой фильтрации высоких пространственных частот состоит в том, чтобы создать матрицу фильтра 3×3 с весовым коэффициентом 9 в центральной клетке и минус 1 – во всех остальных. Этот фильтр помещается поверх каждой группы ячеек растра 3×3 в нашем покрытии, и члены каждой пары соответствующих ячеек растра и матрицы фильтра перемножаются.

То есть, значение высоты в центральной ячейке растра топографического покрытия умножается на коэффициент 9, а все остальные значения умножаются на минус 1. Затем, эти девять только что созданных произведений суммируются для получения результирующего значения центральной ячейки растра. Другими словами, эта одиночная операция с двумя матрицами по девять чисел производит единственное значение, которое помещается в центр нового покрытия.

Следующий шаг должен переместить фильтр на одну ячейка растра вправо, так, чтобы центральная ячейка в топографическом покрытии была теперь (3,2). Вычисления выполняются также, как и прежде, приводя к новому значению ячейки (3,2). Процедура повторяется для всего покрытия, так что в итоге в результирующем покрытии гребни видны гораздо лучше. Поскольку края областей и линейные объекты имеют различные ориентации (например, вы можете обнаружить какое-то число гребней, связанных с некоторым геологическим циклом образования складок и эрозии), иногда полезно согласовать фильтр с определенной ориентацией. Например, если вы хотите выделить гребни, ориентированные с востока на запад, вы должны использовать фильтр (размер матрицы оставим тот же), у которого ячейки средней строки содержат положительные числа, а остальные – минус 1. Для ориентации с северо-запада на юго-восток нужно сделать положительными числа главной диагонали матрицы фильтра. То же относится и к другим направлениям, то есть положительные числа ориентированы в том направлении, которое вы желаете подчеркнуть.

Если вы хотите подавить более высокие пространственные частоты, чтобы удалить не имеющие ценности топографические флуктуации, получив таким образом покрытие, которое показывает топографию в более общем (упрощенном, сглаженном) виде, вы можете использовать фильтр с меньшим различием коэффициентов. Наиболее распространен ФНЧ с матрицей 3×3, все коэффициенты которой равны одной девятой (чтобы сумма по всем ячейкам составляла единицу). В результате значения каждой ячейки будут усреднены с соседними.

Обычные методы фильтрации растра используют стандартные матрицы 3×3 с "прошитыми" коэффициентами. Большинство программ, выполняющих фильтрацию, позволяют менять размер матрицы и значения коэффициентов. Чем больше размер матрицы, тем большее пространственное усреднение можно получить в случае ФНЧ, поскольку большее число ячеек принимают участие в усреднении. В случае ФВЧ с ростом размера матрицы может быть получено более качественное подчеркивание мелких деталей поверхности. Решение использовать нестандартные размеры и коэффициенты часто возникает в результате экспериментирования.