8. Растровая модель данных. Сжатие растровых данных

данных в ГИС предполагает разбиение пространства (координатной плоскости) с пространственными объектами на аналогичные пикселам дискретные элементы, упорядоченные в виде прямоугольной матрицы.

Принципиальная особенность растровых структур – они не обеспечивают пространственной привязки, поскольку географическое пространство поделено на дискретные ячейки, и вместо точных координат мы имеем отдельные ячейки растра. Это приводит к изменению (деформации) пространственной мерности: точка (не имеющая измерений) представлена прямоугольником, а линия (одномерный объект) представлена набором двухмерных элементов т.п. На самом деле каждая линия должна, как вы понимаете, находиться где-то внутри точек растра. Поэтому из-за нарушений мерности линия на растре представлена ступенчатым образом.

Как в этом случае присваивать атрибутивную информацию растровым изображениям? Простейшим способом является присваивание значений атрибута – идентифицирующего цвета – каждой ячейке растра (например, характер почвы). Таким образом, каждой ячейке растра на данной карте можно присвоить лишь одно значение атрибута. Альтернативный подход заключается в связывании каждой ячейки с базой данных, при этом любое число атрибутов может быть присвоено любой ячейке. Последний подход является преобладающим.

Возникает еще один вопрос: как определить абсолютное местоположение в растровой структуре, как позиционировать объект? Для этих целей мы можем использовать номера ячеек по вертикали и горизонтали в качестве координат, а также можем сопоставить с этим обычные декартовы координаты. Это не очень удобно, хотя система координат как бы «встроена» в растр, благодаря ее ячеистой структуре. Представьте себе линию в растре, образованную смежными ступенеобразными ячейками, координату каждой из которых мы должны описать…

Однако не все так считают. Близость между пикселом, скажем, на снимках дистанционного зондирования, и растровой ячейкой в ГИС обеспечивает легкий перенос спутниковых изображений в ГИС, основанных на растре.

Таким образом, в растровой модели не обязательно разделение данных на позиционную и семантическую составляющие, отпадает необходимость в особых средствах хранения и манипулирования метрикой и семантикой пространственных данных, как это принято в векторных системах. Существенно упрощаются аналитические операции, многие из которых сводятся к пиксельным операциям.

В ГИС растрового типа (Manifold Professional?) достаточно просто реализованы функции обработки данных, включая пространственный анализ. Зачастую они включают аппарат, называемый «картографическая алгебра» (map algebra), аналогичный по языковым средствам матричным операциям в некоторых языках программирования. Это хорошая предпосылка интеграции программных продуктов ГИС со средствами цифровой обработки данных ДЗ (Erdas Imagine, ER Mapper, ENVI, IDRISI…).

Однако простота машинной реализации операций с растровыми изображениями имеет цену – значительные затраты на машинную память (поскольку в каждой ячейке растра хранится какая-либо числовая величина). Однако растровые изображения можно сжимать.

Вторая проблема – низкая пространственная точность, а точнее – кажущееся грубое приближение к истинной форме объекта. Это уменьшает достоверность измерения площадей и расстояний. Однако, выбрав подходящий размер пиксела растровой модели, можно добиться удовлетворительного пространственного разрешения. При этом следует иметь в виду, что двукратное увеличение разрешения ведет к четырехкратному росту объемов памяти (один пиксел делится на четыре в этом случае) и т.д.

Регулярно-ячеистая модель данных формально схожа с растровой. Атомарной единицей данных здесь является пространственная ячейка правильной геометрической формы (прямоугольник, треугольник, трапеция и пр.). Ячейки могут быть равновелики или квазиравновеликие. Ячейки образуют сеть, которая может строиться на плоскости или на поверхности шара (эллипсоида). В последнем случае регулярными ячейками обычно являются сферические трапеции фиксированного или переменного углового размера.

По ряду технических причин (неразработанность и непопулярность векторных моделей в условиях отсутствия средств векторизации) ГИС первых поколений (1960-70 гг.) использовали регулярно-ячеистую модель. Так, австралийская ГИС континентального масштаба представляла данные в ячейках размером 0,25 х 0,25 мин и т.п. Представление данных на основе регулярных пространственных сетей образует основу глобальных ЦМР Земли ETOPO5 и GTOPO30. Первая из них содержит более 8 млн высотных отметок в узлах регулярной сети сферических трапеций с размерами 5 х 5 угл. мин. Вторая – более детальная – представляет высоты в узлах трапеций 30 х 30 с. Аналогичный регулярно-ячеистый принцип организации данных положен в основу ряда национальных стандартов на цифровую модель рельефа.

Сжатие (кодирование) растровых данных

Для отображения многослойных данных при помощи растра существует несколько способов. Все они исходят из двухмерных массивов данных (слоев, тем), в которых каждой ячейке растра может, например, соответствовать бинарный атрибут (вода, не вода). Существует несколько способов сжатия растровых моделей данных. Мы их подробно не будем рассматривать, поскольку сейчас уже нет ГИС, ориентированных исключительно на работу с растром.

При многослойности карт растровые модели очень громоздки, занимают много места. Для карты размером 200х200 ячеек потребуется ввести 40 000 чисел. А это не столь уж большая карта. Поэтому рассмотрим способы сжатия растровых данных.

Сжатие графических файлов отличается от архивации с помощью программ-архиваторов типа RAR, ZIP, ARJ…, тем, что алгоритм сжатия включается в формат графического файла. Сжатие рисунков, содержащие большие области однотонной закраски, эффективно при использовании алгоритма сжатия, который заменяет последовательность повторяющихся величин (пикселей одного цвета) на две величины (пиксель и количество его повторений). Такой алгоритм сжатия используется в графических файлах формата BMP (Bit Map Image) и PCX. Для рисунков типа диаграммы целесообразно применение другого метода сжатия, который использует поиск повторяющихся в рисунке «узоров». Этот метод чем-то напоминает метод фрактальных множеств. Такой алгоритм используется в графических файлах форматов TIFF (Tagged Image File Format) и GIF (Graphics Interchange Format) и позволяет сжать файл в несколько раз.

Для сжатия отсканированных иллюстраций используется алгоритм сжатия JPEG (Joint Photographic Expert Group). Этот алгоритм использует тот факт, что человеческий глаз очень чувствителен к изменению яркости отдельных точек изображения, но гораздо хуже замечает изменение цвета. Действительно, при глубине цвета 24 бита компьютер воспроизводит более 16 млн. различных цветов, тогда как человек не способен различить и назвать более сотни цветов и оттенков. Применение метода позволяет сжимать файлы в десятки раз, однако с необратимой потерей информации. Этот алгоритм нежелательно применять при сканировании карт.

Основные способы кодирования (сжатия) графики

1. Групповое кодирование. Представьте растр, начав вводить данные (построчно) мы наверняка обнаружим цепочки одинаковых чисел. Можно сэкономить время на ввод строки, если вместо повторяющихся чисел записывать начальную и конечную позицию и значение, которое ей соответствует.

Этот метод действует в пределах одной строки растра.

2. Цепочечное кодирование (raster chain codes). Заключается в том, что, задав координаты одного угла, вы переходите по главным направлениям (вверх, вниз, вправо, влево) и записываете число, представляющее направление, а также число одинаковых ячеек. В этом случае для описания неких областей потребуется всего несколько чисел.

3. Блочное кодирование (block codes). Это модификация группового кодирования, но не одномерное, а двухмерное – выбирается квадрат и указываются координаты его центра и ширина.

4. Квадродерево (Quadtree) или квадротомическая модель. Главный мотив ее использования и поддержки программными средствами ГИС – компактность по сравнению с растровой моделью. Несколько сложнее остальных. Квадродерево тоже основано на квадратных группах ячеек, но в данном случае вся карта последовательно делится на квадранты с одинаковым значением атрибута внутри. Территория разбивается на вложенные друг в друга пикселы или регулярные ячейки с образованием иерархической древовидной структуры. Вначале поверхность делится на четыре квадранта (СЗ, СВ, ЮЗ, ЮВ). Если какой-либо из них однороден, то он записывается и больше не участвует в делении. Оставшиеся также делятся на квадранты и проверяются на однородность. И так далее… Такие системы называются системами с переменным разрешением, т.е. они могут оперировать на любом уровне деления квадродерева.

Принимая за нулевой уровень иерархии земную сферу, можно построить глобальное квадротомическое дерево. Уже на 23-м уровне иерархии достигается метровое разрешение. При этом огромные участки однородной поверхности (океан, покровные ледники) кодируются с большой экономией памяти.

Известны трехмерные расширения линейной квадротомической модели – так называемая октотомическая модель.