在R中的栅格中区分内部和外部NA答案

【问题标题】：Make distinction between inner and outer NA's in a raster in R在R中的栅格中区分内部和外部NA
【发布时间】：2017-11-07 16:00:21
【问题描述】：

在 R 中，我如何区分内部和外部 NA 的栅格，其中某种形状的周围和内部都有 NA？

在下面的例子中，我怎样才能例如只选择R标志之外的NA（即，我怎样才能使标志圆圈中包含的所有内容都显示为白色）？

library(raster)
r <- raster(system.file("external/rlogo.grd", package="raster"))
r[r>240] = NA
par(mfrow=c(1,2))
plot(r, main='r')
plot(is.na(r), main="is.na(r)")

【问题讨论】：

标签： r r-raster no-data

【解决方案1】：

你真的没有太多选择。这种类型的分析通常需要一些更精细的方法。然而，这是一个使用clumpfunction 的简单解决方法：

#your inital code
library(raster)
r <- raster(system.file("external/rlogo.grd", package="raster"))
rna <- rc <- r
rna[r>240] = NA
par(mfrow=c(2,2))

#reclass values <=240 to NA (needed for clump function. 
#Here, NAs are used to seperate clumps)
rc[r<=240] <- NA
rc <- clump(rc)

#what you get after applying the clump function
#are homogenous areas that are separated by NAs. 
#Let's reclassify all areas with an ID > 8. 
#In this case, these are the areas inside the ring.
rc_reclass <- rc
rc_reclass[rc_reclass>8]  <- 100

#let's do some plotting
plot(r, main='r')
plot(is.na(rna), main="is.na(r)")
plot(rc, main="clumps")
plot(rc_reclass, main="clumps reclass")

【讨论】：

谢谢 - 我也认为clump 是个好方法。从技术上讲，所需的输出在这里是rc_reclass = clump(is.na(r))，然后是rc_reclass[rc_reclass>1]=NA，只选择外部NA，但因此您提供了一个足够的解决方案。谢谢！

【解决方案2】：

我同意@maRtin，这有点棘手。不仅没有专用的 NoData 值，而且图像有点脏。

不过，我觉得我找到了一种比clump更好的方法，它使用空间域来分隔区域：

首先，我得到像素邻域的焦点值：

#make copy
r2 <- r

# focal values
fv <- getValuesFocal(r2,ngb = c(3,3))

然后我首先排除所有邻域值大于 242.8 的像素。这纯粹是反复试验，但它给出了一个很好的结果。

ix <- rowMeans(fv,na.rm = T) > 242.8
r2[ix] <- NA

您实际上已经认为这是可以接受的。唯一的问题是，值区域周围有一个小边框，应该是 NA。

所以我需要以某种方式摆脱剩余的 NA 像素。我试图用迭代排除来做这件事。对于每次迭代，我都会查看周围是否仍有 NA 值且最大值低于某个阈值的像素。同样，这涉及到很多游戏，我想你可以获得比这更好的结果，但我想这是一条路要走。

while (TRUE){

  fv <- getValuesFocal(r2,ngb = c(3,3))
  ix <- apply(fv,1,function(x) max(x,na.rm=T)) > 243 & rowSums(is.na(fv)) > 0

  if (any(ix)){

    r2[ix] <- NA


  } else {
    break
  }
}

经过几次迭代，我得到了这个：

显然已经有一些不应该的像素消失了，也许可以通过更多的摆弄来完成。

另一个有趣的想法是查看所有三个频道。如果使用brick 加载图像，则可以获得 RGB 通道。我尝试了一些方法，例如 max、mean、mode、sd 等，但都无济于事。

【讨论】：