B-
Vlakvereenvoudiging op rasterbasis
5x j— 5x11
□-
4xn -(12) (3x 111-45
filtermatrix
Als illustratie bij de toelichting op de vlakvereenvou-
digingsalgorithmen dient een raste rbestand van een
deel van Drente zoals rechts afgebeeld in figuur 7.
De meest eenvoudige algorithme berust op het prin
cipe van de dominantie. Een aantal rastervakjes wor
den samengenomen (bijvoorbeeld in blokken van 4 bij
4 - figuur 8, links) en vervolgens wordt binnen deze
clustering gekeken naar de pixel die het meest voor-
komt. Dit wordt de waarde van alle pixels binnen het
blok (figuur 8rechts).
grootte van de matrix
gewichtsverdeling
binnen de matrix
.11
.11
11
.11
12
11
.11
.11
.11
1
1
1
1
2
1
1
1
1
Figuur 9. Voorbeelden van verschillende matrici
gebruikt voor de vereenvoudiging van
raste r be standen
Figuur 7. Een fragment van een raster-bestand van
Drente.
invloed van de omgevingspixels groter.
In figuur 10 wordt het effekt van het werken met een
3 bij 3-matrix met verschillende gewichten gevisua-
liseerd. Figuur 11 laat zien wat het resultaat is van
het doorlopen van het totale bestand uit figuur 7. Aan
de randen van het rasterbestand gelden bij het bepalen
van nieuwe pixelwaarden speciale randvoorwaarden
omdat de matrix niet meer volledig binnen het bestand
ligt.
Figuur 8. Vereenvoudiging van een rasterbestand
op basis van het dominantieprincipe.
Meer doordachte algorithmes gaan bij de generalisa-
tie van het totaalbestand uit en betrekken ook nabuur-
pixels bij het proces. Uitgangspunt bij dit soort algo
rithmes is een matrix (ook wel gewichtsmatrix of
filtermatrix genoemd). Met de matrix wordt, net als
bij de lijnvereenvoudiging, het totale raste rbestand
doorlopen. Steeds wordt het centrum van de matrix
op de in behandeling zijnde pixels gelegd en naar de
buur-pixels gekeken om de nieuwe waarde van de be
treffende pixel te bepalen. Dergelijke matrici kunnen
allerlei vormen hebben. In figuur 9, links zien we
matrici die rekening houden met 4 nabuurpixels, met
8 of met meer. Hoe groter de matrix, hoe sterker er
gegeneraliseerd zal worden.
Binnen de matrix krijgen de pixels een waarde (ge
wicht), maar z<5 dat de som van de pixelwaarden bin
nen de matrix altijd 1 is (figuur 9, rechts). De ver-
deling van de gewichten binnen de matrix is van in
vloed op de mate van generalisatie. Een hoge waarde
voor de centrale pixel levert minder generalisatie op
dan een läge waarde, want in dit laatste geval is de
11
11
11
11
12
11
11
11
11
1
1
1
1
2
1
1
1
.1
55
5x
4x
(2M3x 1)-5
Figuur 10. Het resultaat van het gebruik van 3 bij 3
matrici met verschillende gewichten bij
het generaliseren.
KT 1986. XII. 1
29