ポスタリゼーションは素晴らしいスタートでした。それは、ほとんどの圧縮アーチファクトを排除し、追加のクリーニングを可能にするのに十分な地図作成を単純化しました。
カテゴリラスターのクリーニングの多くは、いわゆる「モルフォロジー」操作を伴います。これには、1つのカテゴリを隣接セルに拡張し、再び縮小して、隣接する単一カテゴリのセルを独自のカテゴリにグループ化する領域が含まれます。
通常、削除するアーティファクト(文字、ハッチング線など)のピクセルサイズがスキャンごとに異なる場合にのみ、いくつかの実験が必要です。始めるために、これらの手順が例で実行できることを説明します。
ポスタリゼーション後のオリジナルは次のようになります。これは、3つのカテゴリが3つの色で表示されたグリッドです。濃い緑色の領域を連続した断片にしたグリッドを作成することを目指しています。オーバーレターやドット、無関係な線の作業はありません。ラスター代数を使用した後の分析に適しています。
濃い緑色の領域を周囲のすべての領域に1ピクセルだけ拡張すると、次の画像が得られます。
(より正確に制御するために、GISで許可されている場合は、拡大を黒い領域のみに制限することができます。)
緑のアーティファクトの細い線と小さな島をたくさん取り除くために、緑を2ピクセル内側に縮小してみましょう
次に、すべての拡大と縮小のバランスをとるため(バイアスを減らすため)、もう1ピクセル拡大します。
リージョンのグループ化により、これらの緑の隣接するパッチが識別されます。
パッチはそれぞれ異なる色で表示されます。
条件付きまたはSetNull操作を使用して、小さなパッチを削除します。ちっちゃい?属性テーブルを調べたところ、多くのパッチが6〜47個のセルを占めていることがわかりました。その後、422セルにジャンプしました。私はそのジャンプ内のしきい値(100)を選択し、そのしきい値未満のカウント(値ではない!)を持つすべてのセルを消去しました。比較のためにオリジナルに重ねて残ったものを以下に示します。
同様に処理された画像に対する変化を検出および定量化するのに適した、関心領域のかなり細かい表現を実現しました。いくつかの作業を行いましたが、元のスキャンを手動でデジタル化するよりもはるかに作業量が少なく、スキャンが一貫した解像度で行われれば、半自動化できます。(元のマップは異なる色を使用しているため、拡大と縮小に適切な色を選択するには、最初にいくつかのインテリジェントな介入が必要です。)各ステップもかなり高速な計算であるため、おそらく元のスキャンに余裕があります。最高の精度のために非常に高い解像度でマップします。