Nearest Neighbor:
E’ il metodo piu’ semplice e piu’ rapido che si puo’ utilizzare; esso permette di assegnare ad ogni pixel che viene corretto (tramite l’introduzione per esempio di punti di controllo se si effettua un georiferimento), il valore del pixel piu’ vicino non corretto. Questa tecnica mantiene la risposta spettrale del pixel e si applica su serie di dati nominali o ordinali, dove cioé ogni cellula rappresenta una classe ben definita,  una classificazione come per esempio dati di radianza/reflettanza su un’immagine satellitare, geologia, pedologia, utilizzo del suolo. Pone pero’ il problema che le immagini che si creano presentano tipiche deformazioni “a scaletta” soprattutto negli oggetti lineari che presentano un angolo rispetto agli assi cardinali.

Esempio di ricampionamento per Nearest Neighbor: in seguito ad una rotazione di 45° si puo’ osservare l’effetto a “dente di sega” che si crea lungo i bordi degli oggetti.

Bilinear:
Il risultato del pixel finale nell’output dell’immagine é il risultato dell’interpolazione (per media pesata) dei quattro pixel piu’ prossimi alla cellula di riferimento. Il risultato che si ottiene é molto piu’ “gradevole” alla vista, piu’ naturale come aspetto, perche’ il valore del pixel é il risultato della combinazione di piu’ input. Non si osservano piu’ i “denti di sega” presenti in seguito all’interpolazione Nearest Neighbor, ma la brillantezza del pixel di origine viene alterata, cosi’ come l’originaria risoluzione spaziale di origine. Questa tecnica é applicabile sui modeli numerici del terreno, pendenze, concentrazioni, cioé in tutte quelle immagini che presentano una certa continuità spaziale.

Esempio di ricampionamento per metodo Bilinear: in seguito ad una rotazione di 45° l’immagine appare piu’ liscia ed i limiti tra figure geometriche sono meno contrastati.

Cubic Convolution:
Il processo di interpolazione impiega i 16 pixel piu’ prossimi per calcolare il valore del pixel centrale finale; la curva di interpolazione (non é una media ponderata) passa attraverso i punti di input per determinare il valore della cellula centrale.  Questo metodo é quello che richiede il tempo di calcolo piu’ lungo rispetto agli altri due descritti in precedenza: in termini di FLOPs (Floating Point Operation per second), NN ~ 10, Bil ~50 e CC~350.
Si applica su dati che presenzano una certa continuità spaziale, come nel metodi Bilinear; questo algoritmo pero’ permette di ottenere immagini piu’ contrastate (sharpened) e permette di eliminare parte del rumore eventualmente presente sull’immagine.

Esempio di ricampionamento per metodo Cubic Convolution: in seguito ad una rotazione di 45° l’immagine appare piu’ liscia ed i limiti tra figure geometriche sono meno contrastati.

GIS, Remote Sensing, Geologia, Geomorfologia, 3D, DEM, Mining, Trilobiti, Stromatoliti, Lagerstätten
Contacts: Enrico Bonino

Questo sito è affiliato al Club Paleontologico Italiano

Powered by WebRing.