r.resamp.filtergrass - 云端在线

程序：

您的姓名

重采样过滤器 - 使用分析内核重新采样栅格地图层。

关键词

栅格、重采样、内核过滤器

概要

重采样过滤器
重采样过滤器 - 帮帮我
重采样过滤器 [-n] 输入=姓名 产量=姓名 过滤=绳子[,绳子……]
[半径=浮动[,浮动,...]] [x_半径=浮动[,浮动,...]] [y_半径=浮动[,浮动,...]]
[--覆盖] [--帮助] [--详细] [--安静] [--ui]

标志：
-n
传播 NULL

--覆盖
允许输出文件覆盖现有文件

- 帮帮我
打印使用摘要

--详细
详细模块输出

- 安静的
静音模块输出

--用户界面
强制启动 GUI 对话框

参数：
输入=姓名 [必需的]
输入栅格地图的名称

产量=姓名 [必需的]
输出栅格地图的名称

过滤=字符串[,字符串……] [必需的]
过滤内核
选项： 框， 巴特利特 高斯， 正常 隐士， 罪孽， 兰佐斯1， 兰佐斯2， 兰佐斯3，
汉恩， 汉明， 布莱克曼

半径=浮动[，浮动……]
过滤半径

x_半径=浮动[，浮动……]
过滤半径（水平）

y_半径=浮动[，浮动……]
过滤半径（垂直）

商品描述

重采样过滤器 重新采样输入栅格，使用解析内核过滤输入。
每个输出单元通常是基于输入单元的一个小子集计算的，而不是
整个输入。 重采样过滤器 执行卷积（即计算加权和
对于每个栅格单元）。

该模块将输入范围映射到窗口函数的宽度，因此更宽的窗口将
更“锐利”（具有更高的截止频率），例如 lanczos3 将比
兰佐斯2。

r.resamp.filter 实现 FIR（有限脉冲响应）滤波。 所有的功能
是低通滤波器，因为它们是对称的。 参见维基百科：窗口函数示例
常见的窗函数及其频率响应。

由采样数据定义的分段连续函数可以认为是混合（和）
基础信号和量化噪声。 低通滤波器的目的是
在保留信号的同时丢弃量化噪声。 截止频率为
通常根据采样频率选择，因为量化噪声是
由采样频率及其谐波支配。 一般来说，截止频率
与窗函数的中心“波瓣”的宽度成反比。

使用时 重采样过滤器 具有特定半径，特定截止频率，无论
方法的选择。 因此，虽然 lanczos3 使用的窗口是 lanczos3 的 1 倍，但
截止频率保持不变。 实际上，半径是“标准化的”。

指定的所有内核 过滤 参数相乘。 典型的
用法将使用单个内核或无限内核以及有限窗口。

附注

重采样模块（r.重新采样， r.resamp.stats， r.resamp.interp， r.resamp.rst，
重采样过滤器) 重新采样地图以匹配当前区域设置。

当使用可能具有负值的内核（sinc、Lanczos）时， -n 标志应该是
用过的。 否则，由于总重量接近（甚至
等于）为零。

必须使用具有无限范围的内核（Gauss、normal、sinc、Hann、Hamming、Blackman）
结合有限窗口函数（box、Bartlett、Hermite、Lanczos）。

Lanczos 过滤器的定义方式，样本数应该是
与顺序（“a”参数）成正比，因此 lanczos3 应使用 3 倍的样本
（以相同的采样频率，即覆盖 3 倍大的时间间隔）与 lanczos1
为了获得类似的频率响应（高阶滤波器会更快地下降，
但开始下降的频率应该是相同的）。 参见维基百科：
Lanczos-kernel.svg 用于说明。 如果两个图形都绘制在相同的轴上，则它们
将具有大致相同的形状，但 a=3 窗口将具有更长的尾巴。 通过缩放
轴宽度相同，a=3 窗口具有更窄的中心瓣。

对于经纬度位置，插值算法基于度
分数，而不是细胞中心之间的绝对距离。 任何实施的尝试
后者将违反插值方法的完整性。

使用 onworks.net 服务在线使用 r.resamp.filtergrass