在R中计算二进制光栅图像中的对象数量

Question

我有一个栅格图像:

r <- raster(ncol=10, nrow=10)
set.seed(0)
values(r) <- runif(ncell(r))

从栅格中选择前10%并转换为二进制:

r_10<-r[[1]]>=quantile(r,.90)

从这个子集光栅r_10中，所有绿色像素的值都相同为1。我想通过将像素或像素组标识为对象并使用新ID标记每个新对象来更改这些值。新光栅应具有像此示例图像中的值： 一些对象可以有多个像素，并且它们都应具有相同的对象ID（如编号8）。

我该如何在R中编写代码？我想使用某种边缘检测或Sobel滤波器，但无法弄清楚。

这里有一个类似的帖子，不完全相同，但它是用Python编写的，我需要在R中实现它。

欢迎任何替代解决方案。

- kjtheron

---

“对象”是什么意思？所有这些绿色像素的值都为1。当你对它们进行标记时，顺序是否重要？例如，数字1可以分配给底部像素而不是左上角的像素吗？ - uPhone

我非常宽泛地使用“对象”这个术语。在这里，我只想将相邻像素组重新分类为不同的值。标记它们的顺序并不重要，只要每个“对象”都有其自己独特的ID即可。 - kjtheron

Answer 1

我相信有多种方法可以回答这个问题（计算机视觉和地理信息系统）。这里是一个地理信息系统的解决方案（在这里找到）：

# Create raster data
r <- raster(ncol=10, nrow=10)
set.seed(0)
values(r) <- runif(ncell(r))

# Select top 10% of highest values and convert to binary
r_10<-r[[1]]>=quantile(r,.90)
r_10[r_10==0]<-NA

# Vectorize
Vector_r_10<-rasterToPolygons(r_10)
plot(Vector_r_10)

# Add new Obj_ID class
Vector_r_10$Obj_ID<-1:nrow(Vector_r_10)

# Identify neighboring pixels
nb<-poly2nb(Vector_r_10)

# Create regions
create_regions <- function(data) {
  group <- rep(NA, length(data))
  group_val <- 0
  while(NA %in% group) {
    index <- min(which(is.na(group)))
    nb <- unlist(data[index])
    nb_value <- group[nb]
    is_na <- is.na(nb_value)
    if(sum(!is_na) != 0){
      prev_group <- nb_value[!is_na][1]
      group[index] <- prev_group
      group[nb[is_na]] <- prev_group
    } else {
      group_val <- group_val + 1
      group[index] <- group_val
      group[nb] <- group_val
    }
  }
  group
}
region<-create_regions(nb)

# Union on new regions
pol_rgn<-spCbind(Vector_r_10,region)
New_Vector_r_10<-unionSpatialPolygons(pol_rgn,region)
New_Vector_r_10<-as(New_Vector_r_10,"SpatialPolygonsDataFrame")
plot(New_Vector_r_10)

现在这是一个shapefile，但对于我的目的来说已经足够了。也可以将其转换回栅格。

- kjtheron

---

可以在poly2nb中编辑snap参数，以选择适当距离的邻居。 - kjtheron