Question

包裹：

raster

数据：

一个有10个频段的rasterStack。
每个条带包含由NA包围的图像区域
频带是合乎逻辑的，即图像数据为“1”，周围区域为“0”/ NA
每个乐队的“图像区域”彼此不完全对齐，但大多数都有部分重叠

目标：

编写一个快速函数，可以返回每个“区域”的rasterLayer或单元格编号，例如，仅包含来自第1和第2波段的数据的像素位于区域1中，包含仅来自第3和第4波段的数据的像素下降在区域2等。如果返回rasterLayer，我需要能够稍后将区域值与带编号匹配。

首次尝试：

# Possible band combinations
values = integer(0)
for(i in 1:nlayers(myraster)){
 combs = combn(1:nlayers(myraster), i)
 for(j in 1:ncol(combs)){
  values = c(values, list(combs[,j]))
 }
}

# Define the zone finding function
find_zones = function(bands){

 # The intersection of the bands of interest
 a = subset(myraster, 1)
 values(a) = TRUE
 for(i in bands){
  a = a & myraster[[i]]
 }

 # Union of the remaining bands
 b = subset(myraster, 1)
 values(b) = FALSE
 for(i in seq(1:nlayers(myraster))[-bands]){
  b = b | myraster[[i]]
 }

 #plot(a & !b)
 cells = Which(a & !b, cells=TRUE)
 return(cells)
}

# Applying the function
results = lapply(values, find_zones)

我当前的功能需要很长时间才能执行。你能想到一个更好的方法吗？请注意，我不只是想知道每个像素有多少个带有数据，我还需要知道哪个带。这样做的目的是之后以不同的方式处理不同的区域。

另请注意，现实场景是3000 x 3000或更多的栅格，可能超过10个频段。

修改

一些样本数据由10个偏移图像区域组成：

# Sample data
library(raster)    
for(i in 1:10) {
  start_line = i*10*1000
  end_line = 1000000 - 800*1000 - start_line
  offset = i * 10
  data = c(rep(0,start_line), rep(c(rep(0,offset), rep(1,800), rep(0,200-offset)), 800), rep(0, end_line))
  current_layer = raster(nrows=1000, ncols=1000)
  values(current_layer) = data
  if(i == 1) {
    myraster = stack(current_layer)
  } else {
    myraster = addLayer(myraster, current_layer)
  }
}
NAvalue(myraster) = 0  # You may not want to do this depending on your solution...

Showing what the sample data looks like

Answer 1

编辑：使用Nick的技巧和矩阵乘法更新答案。

您可以尝试以下功能，使用Nick的技巧和矩阵乘法进行优化。现在的瓶颈是填充堆叠的单独层，但我想时间现在已经很好了。内存使用量稍微少一点，但考虑到你的数据和R的性质，我不知道你是否能在不妨碍性能大的时候蚕食一下。

> system.time(T1 <- FindBands(myraster,return.stack=T))
   user  system elapsed 
   6.32    2.17    8.48 
> system.time(T2 <- FindBands(myraster,return.stack=F))
   user  system elapsed 
   1.58    0.02    1.59 
> system.time(results <- lapply(values, find_zones))
  Timing stopped at: 182.27 35.13 217.71

该函数返回一个rasterStack，其中包含绘图中存在的不同级别组合（这不是所有可能的级别组合，因此您已经获得了一些增益），或者带有级别编号和级别名称的矩阵。这允许您执行以下操作：

levelnames <- attr(T2,"levels")[T2]

获取每个单元格点的级别名称。如下所示，您可以轻松地将该矩阵放在rasterLayer对象中。

功能：

 FindBands <- function(x,return.stack=F){
    dims <- dim(x)
    Values <- getValues(x)
    nn <- colnames(Values)

    vec <- 2^((1:dims[3])-1)
    #Get all combinations and the names
    id <- unlist(
                lapply(1:10,function(x) combn(1:10,x,simplify=F))
              ,recursive=F)

    nameid <- sapply(id,function(i){
      x <- sum(vec[i])
      names(x) <- paste(i,collapse="-")
      x
    })
    # Nicks approach
    layers <- Values %*% vec
    # Find out which levels we need
    LayerLevels <- unique(sort(layers))
    LayerNames <- c("No Layer",names(nameid[nameid %in% LayerLevels]))

    if(return.stack){
        myStack <- lapply(LayerLevels,function(i){
          r <- raster(nr=dims[1],nc=dims[2])
          r[] <- as.numeric(layers == i)
          r
          } )
        myStack <- stack(myStack)
        layerNames(myStack) <- LayerNames
        return(myStack)

    } else {

      LayerNumber <- match(layers,LayerLevels)
      LayerNumber <- matrix(LayerNumber,ncol=dims[2],byrow=T)
      attr(LayerNumber,"levels") <- LayerNames
      return(LayerNumber)
    }    
}

概念证明，使用RobertH的数据：

r <- raster(nr=10, nc=10)
r[]=0
r[c(20:60,90:93)] <- 1
s <- list(r)
r[]=0
r[c(40:70,93:98)] <- 1
s <- c(s, r)
r[]=0
r[50:95] <- 1
s <- (c(s, r))
aRaster <- stack(s)


> X <- FindBands(aRaster,return.stack=T)
> plot(X)

enter image description here

> X <- FindBands(aRaster,return.stack=F)
> X
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
 [1,]    1    1    1    1    1    1    1    1    1     1
 [2,]    1    1    1    1    1    1    1    1    1     2
 [3,]    2    2    2    2    2    2    2    2    2     2
 [4,]    2    2    2    2    2    2    2    2    2     4
 [5,]    4    4    4    4    4    4    4    4    4     8
 [6,]    8    8    8    8    8    8    8    8    8     8
 [7,]    7    7    7    7    7    7    7    7    7     7
 [8,]    5    5    5    5    5    5    5    5    5     5
 [9,]    5    5    5    5    5    5    5    5    5     6
[10,]    6    6    8    7    7    3    3    3    1     1
attr(,"levels")
[1] "No Layer" "1"        "2"        "3"        "1-2"      "1-3"
       "2-3"      "1-2-3"   

> XX <- raster(ncol=10,nrow=10)
> XX[] <- X
> plot(XX)

enter image description here

Answer 2

这个怎么样？

library(raster)
#setting up some data

r <- raster(nr=10, nc=10)
r[]=0
r[c(20:60,90:93)] <- 1
s <- list(r)
r[]=0
r[c(40:70,93:98)] <- 1
s <- c(s, r)
r[]=0
r[50:95] <- 1
s <- (c(s, r))
plot(stack(s))

# write a vectorized function that classifies the data
# 
fun=function(x,y,z)cbind(x+y+z==0, x==1&y+z==0, y==1&x+z==0, z==1&x+y==0, x==0&y+z==2, y==0&x+z==2, z==0&x+y==2,x+y+z==3)

z <- overlay(s[[1]], s[[2]], s[[3]], fun=fun)
# equivalent to
#s <- stack(s)
#z <- overlay(s[[1]], s[[2]], s[[3]], fun=fun)

ln <- c("x+y+z==0", "x==1&y+z==0", "y==1&x+z==0", "z==1&x+y==0", "x==0&y+z==2", "y==0&x+z==2", "z==0&x+y==2", "x+y+z==3")
layerNames(z) <- ln
x11()
plot(z)

更通用：

s <- stack(s)
fun=function(x)as.numeric(paste(which(x==1), collapse=""))
x <- calc(s,fun)

当nlayers（s）有两位数（“1”，“2”与“12”相同，并且在这些情况下你可以使用下面的函数（fun2）时，这不是很好：

fun2=function(x)as.numeric(paste(c(9, x), collapse=""))
x2 <- calc(s,fun2)

unique(x)
# [1]   1   2   3  12  13  23 123

unique(x2)
# [1] 9000 9001 9010 9011 9100 9101 9110 9111

仅限玩具示例：

plot(x)
text(x)
p=rasterToPolygons(x)
plot(p, add=T)

Answer 3

我不熟悉光栅，但从我从上面所掌握的，你基本上有一个10 * 3000 * 3000阵列，对吗？

如果是这样，对于栅格中的每个位置（第二和第三个索引，currow和curcol），您可以使用二进制来计算其“区域”的唯一标识符：在“band”（第一个索引）上运行i和sum r [i，currow，curcol] * 2 ^（i-1）。根据栅格的内部工作原理，应该可以快速实现这一点。

这会产生一个大小为3000 * 3000的新“栅格”，其中包含每个位置的唯一标识符。在那里找到唯一值可以返回实际出现在数据中的区域，反转二进制逻辑可以为您提供属于给定区域的波段。

如果我对光栅的解释不正确，请原谅我：请忽略我的思考。无论哪种方式都不是一个完整的解决方案。

Answer 4

我为@Nick Sabbe的建议编写了代码，我认为这个代码非常简洁且相对较快。这假设输入rasterStack已经具有逻辑1或0数据：

# Set the channels to 2^i instead of 1
bands = nlayers(myraster)
a = stack()
for (i in 1:bands) {
  a = addLayer(a, myraster[[i]] * 2^i)
}
coded = sum(a)
#plot(coded)
values = unique(coded)[-1]
remove(a, myraster)

# Function to retrieve which coded value means which channels
which_bands = function(value) {
  single = numeric()
  for (i in bands:1) {
    if ((0 < value) & (value >= 2^i)) {
     value = value - 2^i
      single = c(single, i)
    }
  }
  return(single)
}

识别R栅格包中的重叠区域

4 个答案: