Calculer les points de contrôle (Outils de gestion des données)

Résumé

Crée les points de contrôle entre le jeu de données mosaïque et l’image de référence. Les points de contrôle peuvent ensuite être utilisés avec les points de rattachement pour calculer les ajustements du jeu de données mosaïque.

Utilisation

Pour que les résultats des points de contrôle soient précis, utilisez l’option High similarity (Similarité élevée) pour le paramètre Similarity (Similarité).
Les points de contrôle peuvent être associés aux points de rattachement à l’aide de l’outil Append Control Points (Ajouter des points de contrôle).
Les points de contrôle et les points de rattachement sont ensuite utilisés dans l’outil Compute Block Adjustment (Calculer l’ajustement de bloc).
Si votre jeu de données mosaïque comporte de nombreux éléments, soyez prudent lorsque vous spécifiez le paramètre Output Image Features (Entités image en sortie) car le traitement de votre résultat risque d’être long.

Etiqueter	Explication	Type de données
Mosaïque en entrée	Jeu de données mosaïque en entrée utilisé pour créer des points de contrôle.	Mosaic Dataset; Mosaic Layer
Images de référence en entrée	Images de référence utilisées pour créer des points de contrôle pour le jeu de données mosaïque. Si vous avez plusieurs images, créez un jeu de données mosaïque à partir des images et utilisez-le comme référence.	Raster Layer; Raster Dataset; Image Service; Map Server; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
Points de contrôle en sortie	Table de points de contrôle en sortie. Cette table contient les points de contrôle créés.	Feature Class
Similarité (Facultatif)	Spécifie le niveau de similarité qui sera utilisé pour l’appariement des points de rattachement. Similarité faible—Les critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certaines des correspondances peuvent compter un taux d’erreurs plus important. Similarité moyenne—Les critères de similarité des points appariés sont moyens. Similarité élevée—Les critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement aura un niveau d’erreur plus faible.	String
Entités image en sortie (Facultatif)	Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d’entités surfaciques. Cette sortie peut être très volumineuse.	Feature Class
Densité de point	Détermine le nombre de points de rattachement à créer. Densité de point faible—La densité des points sera faible, créant le moins de points de rattachement. Densité de point moyenne—La densité de points sera moyenne, créant un nombre modéré de points. Densité de point élevée—La densité de points sera élevée, créant le plus de points.	String
Distribution de points	Spécifie si les points présentent une distribution régulière ou aléatoire. Distribution de points aléatoire—Les points seront générés de manière aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières. Distribution de points régulière—Les points seront générés selon un modèle fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.	String
Zone d'intérêt	Limite la zone dans laquelle les points de rattachement sont générés à cette classe d’entités surfaciques uniquement.	Feature Layer
Précision d'emplacement de l'image (Facultatif)	Spécifie le mot-clé qui décrit la précision de l’imagerie. Précision de la localisation de l’image faible—Les images présentent une translation et une rotation importantes (> 5 degrés). L’algorithme SIFT est utilisé dans le calcul d’appariement des points. Précision de la localisation de l’image moyenne—Les images présentent une translation moyenne et une rotation faible (< 5 degrés). L’algorithme Harris est utilisé dans le calcul d’appariement des points. Précision de la localisation de l’image élevée—Les images présentent une translation faible et une rotation faible. L’algorithme Harris est utilisé dans le calcul d’appariement des points.	String

arcpy.management.ComputeControlPoints(in_mosaic_dataset, in_reference_images, out_control_points, {similarity}, {out_image_feature_points}, density, distribution, area_of_interest, {location_accuracy})

Nom	Explication	Type de données
in_mosaic_dataset	Jeu de données mosaïque en entrée utilisé pour créer des points de contrôle.	Mosaic Dataset; Mosaic Layer
in_reference_images	Images de référence utilisées pour créer des points de contrôle pour le jeu de données mosaïque. Si vous avez plusieurs images, créez un jeu de données mosaïque à partir des images et utilisez-le comme référence.	Raster Layer; Raster Dataset; Image Service; Map Server; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
out_control_points	Table de points de contrôle en sortie. Cette table contient les points de contrôle créés.	Feature Class
similarity (Facultatif)	Spécifie le niveau de similarité qui sera utilisé pour l’appariement des points de rattachement. `LOW`—Les critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certaines des correspondances peuvent compter un taux d’erreurs plus important. `MEDIUM`—Les critères de similarité des points appariés sont moyens. `HIGH`—Les critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement aura un niveau d’erreur plus faible.	String
out_image_feature_points (Facultatif)	Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d’entités surfaciques. Cette sortie peut être très volumineuse.	Feature Class
density	Détermine le nombre de points de rattachement à créer. `LOW`—La densité des points sera faible, créant le moins de points de rattachement. `MEDIUM`—La densité de points sera moyenne, créant un nombre modéré de points. `HIGH`—La densité de points sera élevée, créant le plus de points.	String
distribution	Spécifie si les points présentent une distribution régulière ou aléatoire. `RANDOM`—Les points seront générés de manière aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières. `REGULAR`—Les points seront générés selon un modèle fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.	String
area_of_interest	Limite la zone dans laquelle les points de rattachement sont générés à cette classe d’entités surfaciques uniquement.	Feature Layer
location_accuracy (Facultatif)	Spécifie le mot-clé qui décrit la précision de l’imagerie. `LOW`—Les images présentent une translation et une rotation importantes (> 5 degrés). L’algorithme SIFT est utilisé dans le calcul d’appariement des points. `MEDIUM`—Les images présentent une translation moyenne et une rotation faible (< 5 degrés). L’algorithme Harris est utilisé dans le calcul d’appariement des points. `HIGH`—Les images présentent une translation faible et une rotation faible. L’algorithme Harris est utilisé dans le calcul d’appariement des points.	String

Exemple de code

Exemple 1 d’utilisation de l’outil ComputeControlPoints (fenêtre Python)

Il s’agit d’un exemple Python d’utilisation de la fonction ComputeControlPoints.

import arcpy
arcpy.management.ComputeControlPoints("c:/block/BD.gdb/redQB",
     "c:/block/BD.gdb/redQB_tiePoints", "HIGH",
     "c:/block/BD.gdb/redQB_mask", "c:/block/BD.gdb/redQB_imgFeatures")

Exemple 2 d’utilisation de l’outil ComputeControlPoints (script autonome)

Cet exemple de script autonome illustre l’utilisation de la fonction ComputeControlPoints.

#compute control points

import arcpy
arcpy.env.workspace = "c:/workspace"

#compute control points using a mask
mdName = "BD.gdb/redlandsQB"
in_mask = "BD.gdb/redlandsQB_mask"
out_controlPoint = "BD.gdb/redlandsQB_tiePoints"
out_imageFeature = "BD.gdb/redlandsQB_imageFeatures"

arcpy.management.ComputeControlPoints(mdName, out_controlPoint,
     "HIGH", in_mask, out_imageFeature)

Environnements

Espace de travail courant, Facteur de traitement parallèle, Espace de travail temporaire

Informations de licence