识别 R 栅格包中的重叠区域

Question

包：

• raster

数据：

• 具有 10 个波段的 rasterStack。
• 每个带包含一个被 NA 包围的图像区域
• 带是逻辑的，即“1”表示图像数据，“0”/NA 表示周围区域
• 每个带的“图像区域”并不完全彼此对齐，尽管大多数带都具有部分重叠

目标：

• 编写一个快速函数，可以返回每个“区域”的栅格图层或像元编号，例如仅包含来自带 1 和 2 的数据的像素落在区域 1 中，仅包含来自带 3 和 4 的数据的像素落在区域 2 等。如果返回 rasterLayer，我需要能够稍后将区域值与波段编号进行匹配。

第一次尝试：

# Possible band combinations
values = integer(0)
for(i in 1:nlayers(myraster)){
 combs = combn(1:nlayers(myraster), i)
 for(j in 1:ncol(combs)){
  values = c(values, list(combs[,j]))
 }
}

# Define the zone finding function
find_zones = function(bands){

 # The intersection of the bands of interest
 a = subset(myraster, 1)
 values(a) = TRUE
 for(i in bands){
  a = a & myraster[[i]]
 }

 # Union of the remaining bands
 b = subset(myraster, 1)
 values(b) = FALSE
 for(i in seq(1:nlayers(myraster))[-bands]){
  b = b | myraster[[i]]
 }

 #plot(a & !b)
 cells = Which(a & !b, cells=TRUE)
 return(cells)
}

# Applying the function
results = lapply(values, find_zones)

我当前的函数需要很长时间才能执行。你能想出更好的办法吗？请注意，我不仅仅想知道每个像素有多少个波段有数据，我还需要知道哪些波段。这样做的目的是为了以后对不同的区域进行不同的处理。

另请注意，现实场景是 3000 x 3000 或更大的栅格，可能有超过 10 个波段。

---

编辑

由 10 个偏移图像区域组成的一些示例数据：

# Sample data
library(raster)    
for(i in 1:10) {
  start_line = i*10*1000
  end_line = 1000000 - 800*1000 - start_line
  offset = i * 10
  data = c(rep(0,start_line), rep(c(rep(0,offset), rep(1,800), rep(0,200-offset)), 800), rep(0, end_line))
  current_layer = raster(nrows=1000, ncols=1000)
  values(current_layer) = data
  if(i == 1) {
    myraster = stack(current_layer)
  } else {
    myraster = addLayer(myraster, current_layer)
  }
}
NAvalue(myraster) = 0  # You may not want to do this depending on your solution...

Answer 1

编辑：使用尼克的技巧和矩阵乘法更新答案。

---

您可以尝试使用尼克的技巧和矩阵乘法优化以下函数。现在的瓶颈是用单独的层填充堆栈，但我想现在的时间已经很好了。内存使用量有点少，但考虑到您的数据和 R 的性质，我不知道您是否可以在不影响性能的情况下稍微占用一点内存。

> system.time(T1 <- FindBands(myraster,return.stack=T))
   user  system elapsed 
   6.32    2.17    8.48 
> system.time(T2 <- FindBands(myraster,return.stack=F))
   user  system elapsed 
   1.58    0.02    1.59 
> system.time(results <- lapply(values, find_zones))
  Timing stopped at: 182.27 35.13 217.71

该函数返回一个包含图中存在的不同级别组合的 rasterStack（这不是所有可能的级别组合，因此您已经获得了一些增益），或者返回一个包含级别编号和级别名称的矩阵。这允许您执行以下操作：

levelnames <- attr(T2,"levels")[T2]

获取每个单元点的级别名称。如下所示，您可以轻松将该矩阵放入 rasterLayer 对象中。

功能：

 FindBands <- function(x,return.stack=F){
    dims <- dim(x)
    Values <- getValues(x)
    nn <- colnames(Values)

    vec <- 2^((1:dims[3])-1)
    #Get all combinations and the names
    id <- unlist(
                lapply(1:10,function(x) combn(1:10,x,simplify=F))
              ,recursive=F)

    nameid <- sapply(id,function(i){
      x <- sum(vec[i])
      names(x) <- paste(i,collapse="-")
      x
    })
    # Nicks approach
    layers <- Values %*% vec
    # Find out which levels we need
    LayerLevels <- unique(sort(layers))
    LayerNames <- c("No Layer",names(nameid[nameid %in% LayerLevels]))

    if(return.stack){
        myStack <- lapply(LayerLevels,function(i){
          r <- raster(nr=dims[1],nc=dims[2])
          r[] <- as.numeric(layers == i)
          r
          } )
        myStack <- stack(myStack)
        layerNames(myStack) <- LayerNames
        return(myStack)

    } else {

      LayerNumber <- match(layers,LayerLevels)
      LayerNumber <- matrix(LayerNumber,ncol=dims[2],byrow=T)
      attr(LayerNumber,"levels") <- LayerNames
      return(LayerNumber)
    }    
}

概念证明，使用 RobertH 的数据：

r <- raster(nr=10, nc=10)
r[]=0
r[c(20:60,90:93)] <- 1
s <- list(r)
r[]=0
r[c(40:70,93:98)] <- 1
s <- c(s, r)
r[]=0
r[50:95] <- 1
s <- (c(s, r))
aRaster <- stack(s)


> X <- FindBands(aRaster,return.stack=T)
> plot(X)

> X <- FindBands(aRaster,return.stack=F)
> X
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
 [1,]    1    1    1    1    1    1    1    1    1     1
 [2,]    1    1    1    1    1    1    1    1    1     2
 [3,]    2    2    2    2    2    2    2    2    2     2
 [4,]    2    2    2    2    2    2    2    2    2     4
 [5,]    4    4    4    4    4    4    4    4    4     8
 [6,]    8    8    8    8    8    8    8    8    8     8
 [7,]    7    7    7    7    7    7    7    7    7     7
 [8,]    5    5    5    5    5    5    5    5    5     5
 [9,]    5    5    5    5    5    5    5    5    5     6
[10,]    6    6    8    7    7    3    3    3    1     1
attr(,"levels")
[1] "No Layer" "1"        "2"        "3"        "1-2"      "1-3"
       "2-3"      "1-2-3"   

> XX <- raster(ncol=10,nrow=10)
> XX[] <- X
> plot(XX)

Answer 2

我对光栅不熟悉，但从上面我了解到的，你基本上有一个 10*3000*3000 的数组，对吧？

如果是这样，对于栅格中的每个位置（第二个和第三个索引、currow 和 curcol），您可以使用二进制计算其“区域”的唯一标识符：在“带”（第一个索引）上运行 i 并求和 r[ i,currow, curcol]*2^(i-1)。根据栅格的内部工作原理，应该可以相当快速地实现这一点。

这会产生一个大小为 3000*3000 的新“栅格”，其中包含每个位置的唯一标识符。找到其中的唯一值可以返回数据中实际出现的区域，而反转二进制逻辑应该可以得到属于给定区域的波段。

如果我对光栅的解释不正确，请原谅我：那么请忽略我的思考。无论哪种方式都不是完整的解决方案。

Answer 3

这个怎么样？

library(raster)
#setting up some data

r <- raster(nr=10, nc=10)
r[]=0
r[c(20:60,90:93)] <- 1
s <- list(r)
r[]=0
r[c(40:70,93:98)] <- 1
s <- c(s, r)
r[]=0
r[50:95] <- 1
s <- (c(s, r))
plot(stack(s))

# write a vectorized function that classifies the data
# 
fun=function(x,y,z)cbind(x+y+z==0, x==1&y+z==0, y==1&x+z==0, z==1&x+y==0, x==0&y+z==2, y==0&x+z==2, z==0&x+y==2,x+y+z==3)

z <- overlay(s[[1]], s[[2]], s[[3]], fun=fun)
# equivalent to
#s <- stack(s)
#z <- overlay(s[[1]], s[[2]], s[[3]], fun=fun)

ln <- c("x+y+z==0", "x==1&y+z==0", "y==1&x+z==0", "z==1&x+y==0", "x==0&y+z==2", "y==0&x+z==2", "z==0&x+y==2", "x+y+z==3")
layerNames(z) <- ln
x11()
plot(z)

更通用：

s <- stack(s)
fun=function(x)as.numeric(paste(which(x==1), collapse=""))
x <- calc(s,fun)

当 nlayers(s) 具有两位数时，这不好（“1”，“2”与“12”相同，在这些情况下，您可以使用下面的函数（fun2）代替：

fun2=function(x)as.numeric(paste(c(9, x), collapse=""))
x2 <- calc(s,fun2)

unique(x)
# [1]   1   2   3  12  13  23 123

unique(x2)
# [1] 9000 9001 9010 9011 9100 9101 9110 9111

对于玩具示例仅有的：

plot(x)
text(x)
p=rasterToPolygons(x)
plot(p, add=T)

Answer 4

我已经为@Nick Sabbe 的建议编写了代码，我认为它非常简洁且相对较快。假设输入 rasterStack 已经具有逻辑 1 或 0 数据：

# Set the channels to 2^i instead of 1
bands = nlayers(myraster)
a = stack()
for (i in 1:bands) {
  a = addLayer(a, myraster[[i]] * 2^i)
}
coded = sum(a)
#plot(coded)
values = unique(coded)[-1]
remove(a, myraster)

# Function to retrieve which coded value means which channels
which_bands = function(value) {
  single = numeric()
  for (i in bands:1) {
    if ((0 < value) & (value >= 2^i)) {
     value = value - 2^i
      single = c(single, i)
    }
  }
  return(single)
}