栅格算法

A. 请问PHOTOSHOP里的栅格化是啥意思

栅格即像素，栅格化即将矢量图形转化为位图，栅格化图形和字体是为了能够更好的进行编辑。在Photoshop中未栅格化前的图形是不可以进行编辑的，比如刚从电脑拖入一张图片，未进行栅格化是不可以编辑的。

PS栅格化步骤：

1、电脑打开PS。

B. 路径规划格栅法概念

自动驾驶的整个工作环境分为两种网格：自由栅格和障碍栅格。自由栅格指的是某一栅格范围内不含有任何障碍物。障碍栅格指的是这个栅格范围内存在障碍物，有的时候可能整个栅格内都布满障碍物。

C. PS中的栅格化图层是什么意思

栅格化图层简单理解就是把矢量图变为像素图，栅格化后，你放大图像会发现出现锯齿，说明已经变为了像素图，一格格就是一个个像素。某些命令和工具不适用于文字图层，必须在应用命令或使用工具前栅格化文字。

栅格化，是PS中的一个专业术语，栅格即像素，栅格化即将矢量图形转化为位图（栅格图像）。最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。

栅格化就是把矢量图转化成位图。矢量图跟位图处理方法不同，为了使用位图的处理方法就得进行栅格化。

例如文字层是矢量图层，未栅格化之前你可以调整字符大小，字体，但是不能填充渐变，不能使用高斯模糊扭曲等滤镜。栅格化后可以使用滤镜，填充但是就再也不能改字体字号了。

要进行滤镜、形状（如分割）、画笔绘制等处理，图层内容必须是位图形式，如果是文字，或是带路径形状画（蒙板矢量图）、矢量图案，都为矢量图不能直接进行以上处理，所以要将这些矢量元素转成位图形式。俗称栅格化。

D. 栅格化的基本实现方法

最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。多边形由三角形的集合表示，三角形由三维空间中的三个顶点表示。在最简单的实现形式中，栅格化工具将顶点数据映射到观察者显示器上对应的二维坐标点，然后对变换出的二维三角形进行合适的填充。 一旦三角形顶点转换到正确的二维位置之后，这些位置可能位于观察窗口之外，也可能位于屏幕之内。裁剪就是对三角形进行处理以适合显示区域的过程。
最常用的技术是Sutherland-Hodgeman裁剪算法。在这种方法中，每次测试每个图像平面的四条边，对于每个边测试每个待渲染的点。如果该点位于边界之外，就剔除该点。对于与图像平的面边相交的三角形边，即边的一个顶点位于图像内部一个位于外部，那么就在交叉点插入一个点并且移除外部的点。 传统的栅格化过程的最后一步就是填充图像平面中的二维三角形，这个过程就是扫描变换。
第一个需要考虑的问题就是是否需要绘制给定的像素。一个需要渲染的像素必须位于三角形内部、必须未被裁掉，并且必须未被其它像素遮挡。有许多算法可以用于在三角形内进行填充，其中最流行的方法是扫描线算法。
由于很难确定栅格化引擎是否会从前到后绘制所有像素，因此必须要有一些方法来确保离观察者较近的像素不会被较远的像素所覆盖。最为常用的一种方法是深度缓存，深度缓存是一个与图像平面对应的保存每个像素深度的二维数组。每个像素进行绘制的时候都要更新深度缓存中的深度值，每个新像素在绘制之前都要检查深度缓存中的深度值，距离观察者较近的像素就会绘制，而距离较远的都被舍弃。
为了确定像素颜色，需要进行纹理或者浓淡效果计算。纹理图是用于定义三角形显示外观的位图。每个三角形顶点除了位置坐标之外都与纹理以及二维纹理坐标 (u,v) 发生关联。每次渲染三角形中的像素的时候，都必须在纹理中找到对应的纹素，这是根据在屏幕上像素与顶点的距离在与纹理坐标相关联的三角形顶点之间插值完成的。在透视投影中，插值是在根据顶点深度分开的纹理坐标上进行的，这样做就可以避免透视缩减（perspective foreshortening）问题。
在确定像素最终颜色之前，必须根据场景中的所有光源计算像素上的光照。在场景中通常有三种类型的光源。定向光是在场景中按照一个固定方向传输并且强度保持不变的光。在现实生活中，由于太阳距离遥远所以在地球上的观察者看来是平行光线并且其衰减微乎其微，所以太阳光可以看作是定向光。点光源是从空间中明确位置向所有方向发射光线的光源。在远距离的物体上的入射光线会有衰减。最后一种是聚光灯，如同现实生活中的聚光灯一样，它有一个明确的空间位置、方向以及光锥的角度。另外，经常在光照计算完成之后添加一个环境光值以补偿光栅化无法正确计算的全局照明效果。
有许多可以用于光栅化的浓淡算法。所有的浓淡处理算法都必须考虑与光源的距离以及遮蔽物体法向量与光照入射角。最快的算法让三角形中的所有像素使用同样的亮度，但是这种方法无法生成平滑效果的表面。另外也可以单独计算顶点的亮度，然后绘制内部像素的时候对顶点亮度进行插值。速度最慢也最为真实的实现方法是单独计算每点的亮度。常用的浓淡模型有 Gouraud shading 和 Phong shading。

E. 用C++处理图像时单格栅格的算法是怎么样的，求大神帮忙

不知道你是不是指的光栅化这个步骤.
根据你的图像,比如有一条直线的方程,x坐标取整数,根据直线得到的y坐标,例如x=1,y=0.2
如果决定用四舍五入,那么点就画到(1, 0)点上

在3D坐标的最后一步光栅化上,会麻烦一些,因为可能有多个点的坐标四舍五入后,都要映射到一个点上,这时要计算颜色.看你是点采样,还是线性采样什么的了...

以上个人见解,不对的话见谅

F. 栅格矢量数据转换的栅格和矢量数据结构相互转换算法

矢量结构与栅格结构的相互转换，一直是地理信息系统的技术难题之一。这主要是由于转换程序通常占用较多的内存，涉及复杂的数值运算，而难以在实用系统特别是微机地理信息系统中被采用。近年来已发展了许多高效的转换算法，适用于不同的环境。
对于点状实体，每个实体仅由一个坐标对表示，其矢量结构和栅格结构的相互转换基本上只是坐标精度转换问题。线实体的矢量结构由一系列坐标对表示，在变为栅格结构时，除把序列中坐标对变为栅格行列坐标外，还需根据栅格精度要求，在坐标点之间插满一系列栅格点，这也容易由两点式直线方程得到；线实体由栅格结构变为矢量结构与将多边形边界表示为矢量结构相似。因此以下重点讨论多边形（面实体）的矢量结构与栅格结构相互转换问题。

G. 什么是栅格化设计

尝试通俗一点：在一个有限的、固定的平面上，用水平线和垂直线（虚拟的线，“参考线”），将平面划分成有规律的一系列“格子”（虚拟的格子），并依托这些格子、或以格子的边线为基准线，来进行有规律的版面布局。栅格化设计 就是把网页的宽度分成固定的相同宽度，然后列出各种组合的可能，以方便在进行页面呈现的时候能够快速的进行布局，通常分成12等分或者24等分。

一旦三角形顶点转换到正确的二维位置之后，这些位置可能位于观察窗口之外，也可能位于屏幕之内。裁剪就是对三角形进行处理以适合显示区域的过程。

最常用的技术是Sutherland-Hodgeman裁剪算法。在这种方法中，每次测试每个图像平面的四条边，对于每个边测试每个待渲染的点。如果该点位于边界之外，就剔除该点。对于与图像平的面边相交的三角形边，即边的一个顶点位于图像内部一个位于外部，那么就在交叉点插入一个点并且移除外部的点。

H. 栅格化是什么意思

栅格化是将矢量图形格式表示的图像转换成位图以用于显示器或者打印机输出的过程。

栅（shan）格化，是 Photoshop 中的一个专业术语，栅格即像素，栅格化即将矢量图形转化为位图（栅格图像）。最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。

基本实现方法

最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。多边形由三角形的集合表示，三角形由三维空间中的三个顶点表示。在最简单的实现形式中，栅格化工具将顶点数据映射到观察者显示器上对应的二维坐标点，然后对变换出的二维三角形进行合适的填充。

变换

通常使用矩阵运算进行变换，另外也可以用四元数运算但那不是本文讨论的范围。在三维顶点中添加一个齐次变量成为四维定点然后左乘一个 4 x 4 的变换矩阵，通过这种方法就可以对三维顶点进行变换。主要的变换有平移、缩放、旋转以及投射 。

以上内容参考网络-栅格化

I. 什么是网格算法

网格化是解释流程中构造成图的比较重要的一步，算法种类也比较多。在SMT中就列出了许多种算法供选择，当然每种算法有自己的特点和适应性，所以在真正网格化操作时为了提高预测的精度需要选择合适的算法。如下为SMT中提供的几种算法简单对比。

Collocated Cokriging
协克里金算法
层位、断层、网格、XYZ数据、层段属性、钻井分层（较好用于井数据与地震属性匹配）

Cubic Spline
样条插值
三维的层位、网格、断层、XYZ数据

Flex Gridding
弹性网格化
层位、断层、网格、XYZ数据、层段属性、钻井分层

Gradient Projection
梯度投影
二维、三维的层位、网格、断层、等值线、XYZ数据（较好用于构造数据）

Inverse Distance to a Power
反距离加权
二维、三维的层位、网格、断层、等值线、XYZ数据、层段属性、钻井分层（较好用于速度成图）

Natural Neighbor
自然邻点插值
XYZ数据、层段属性、钻井分层（较好用于非地震类数据）

Ordinary Kriging
普通克里金插值
XYZ数据、层段属性、钻井分层（较好用于渗透率成图）

Simple Kriging
简单克里金插值
XYZ数据、层段属性、钻井分层（较好用于渗透率成图）

Universal Kriging
广义克里金
XYZ数据、层段属性、钻井分层（较好用于渗透率图件和有整体变化趋势的数据）

这里对两种算法做个介绍：

1、SMT8.2版本中新出现的Flex Gridding 弹性网格化算法

该算法利用差分方程系统原理，产生的网格节点处数值需要满足以下两种原则：

. 内插面与实际数据产生的趋势面一致或者很接近；

. 该面的RMS曲率值尽可能小。

如果在一个节点处应用每一种方程都计算差分的话，而且将邻近点都考虑在内的话，其结果会形成一个组合，但越远的点影响越弱、越不直接。因此，在计算时都假设邻近节点为常数，每个方程就会得到一个网格数值。如此重复应用于其它节点处。这样可以解决单个节点的问题，我们将方程称为“调和器”。该方法产生的曲率面会趋于最小，而且逼近实际数据。

由于每个节点在进行调和滤波计算时都需要一个局部的调和器，网格节点多时就会有许多次迭代计算过程。迭代次数差不多为N的e次方（N为数据列/行数）。因此初始网格一般时非常小的。

2、Collocated Cokriging 协克里金插值

协克里金插值与克里金算法原理基本一样，都是通过差异比较来计算网格数值，同时产生方差图，但是该方法假设事件都是多属性的，可以利用第二种协数据（如层位）辅助第一种主数据进行稀疏数据点（如井控制点）的内插。

协克里金插值利用第二种协数据指导主数据的网格化，可以提高克里金插值的准确性。该算法中断层可以参与运算。在使用时用稀疏数据（如井数据）作为主数据，另外一种密集分布数据作为协数据。

在具体计算中网格点处主数据有值的地方都用主数据的值，如果网格点处没有值时则用协数据作为辅助进行计算。并且会同时产生一个方差模型。

最终的协方差网格结果为主数据进行克里金插值，同时受协数据影响。

因此，如果主数据为密集分布的数据，计算产生的网格也会接近主数据。例如，数据中包括测井解释的孔隙度数据（稀疏分布），从地震属性中预测的伪孔隙度数据（密集分布）。数据单位是一致的，但来源可能不一样。

对于这种情况下协克里金插值就是一种很好的网格算法，还可以建立起振幅与孔隙度之间的关系。

在应用时有以下注意事项：

1）在主数据为稀疏分布，协数据伪密集分布时应用效果最好。

2）如果主数据与协数据之间有一定联系的话效果最好。

3）数据类型最好一致。

J. 栅格数据的编码方法

编码方法
在栅格文件中，每个栅格只能赋予一个唯一的属性值，所以属性个数的总数是栅格文件的行数乘以列数的积，而为了保证精度，栅格单元分得一般都很小，这样需要存储的数据量就相当大了。通常一个栅格文件的栅格单元数以万计。但许多栅格单元与相邻的栅格单元都具有相同的值，因此使用了各式各样的数据编码技术与压缩编码技术。主要的编码技术简介如下：
（一）直接栅格编码
直接栅格编码是将栅格数据看作一个数据短阵，逐行或逐列逐个记录代码。可每行从左到右逐个记录，也可奇数行从左到右，偶数行从右到左记录，为特定目的也可采用其它特殊顺序。通常称这种编码的图像文件为栅格文件，这种网格文件直观性强，但无法采用任何种压缩编码方法。图2.1 (c)的栅格编码为：4，4，4，4，7，7，7，7；4，4，4，4，4，7，7，7；4，4，4，4，9，9，7，7；0，0，4，9，9，9，7，7；0，0，0，9，9，9，7，7；0，0，0，9，9，9，9，9；0，0，0，0，9，9，9，9；0，0，0，0，0，9，9，9。可用程序设计语言按顺序文件或随机文件记录这些数据。
（二）链式编码
链式编码又称弗里曼链码或世界链码。它由某一原始点和一系列在基本方向上数字确定的单位矢量链。基本方向有东、东南、南、西南、西、西北、北、东北等8个，每个后继点位于其前继点可能的8个基本方位之一。8个基本方向的代码可分别用0，1，2，3，4，5，6，7表示，既可按顺时针也可按逆时针表示。栅格结构按逆时针编码上图（2）可记录为：1，3，7，7，7，6，6，5，4。其中前两个数字1与3表示线状物起点的坐标，即在第一行第三列，从第三个数字起表示单位矢量的前进方向。
链式编码有效地压缩了栅格数据，尤其对多边形的表示最为显着，链式编码还有一定的运算能力，对计算长度、面积或转折方向的凸凹度更为方便。比较适于存储图形数据。但对边界做合并和插入等修改编辑工作很难实施，而且对局部修改要改变整体结构，效率较低。
（三）游程编码
游程编码是栅格数据压缩的重要且比较简单的编码方法。它的基本思路是：对于一幅栅格图像，常有行或列方向相邻的若干点具有相同的属性代码，因而可采用某种方法压缩重复的记录内容。方法之一是在栅格数据阵列的各行或列象元的特征数据的代码发生变化时，逐个记录该代码及相同代码重复的个数，从而可在二维平面内实现数据的大量压缩。另一种编码方案是在逐行逐列记录属性代码时，仅记录下发生变化的位置和相应的代码。图2.1 (c)栅格结构按游程编码方法可记录为：
第一行4,47,4
第二行4,57,3
第三行4,49,27,2
第四行0,24,19,37,2
第五行0,39,37,2
第六行0,39,5
第七行0,49,4
第八行0,59,3
在这个例子中，原本64个栅格数据，只用了40数值就完整地表示了出来，可见用游程编码方法压缩数据是十分有效的。
游程编码的编码和解码的算法都比较简单，占用的计算机资源少，游程编码还易于检索、叠加、合并等操作，在栅格单元分得更细时，数据的相关性越强，压缩效率更高，数据量并没有明显增加。因此，该编码适合微型计算机等中央处理器处理速度慢，存储容量小的设备进行图像处理。
（四）块式编码
块式编码是游程编码扩展到二维空间的情况，游程编码是在一维状态记录栅格单元的位置和属性，如果采用正方形区域作为记录单元，每个记录单元包括相邻的若干栅格，数据结构由记录单元中左上角的栅格单元的行、列号（初始位置）和记录单元的边长（半径）与记录单元的属性代码三部分组成，这便是块式编码。因此可以说，游程编码是块式编码的特殊情况，块式编码是游程编码的一般形式。图2.1 (c)表示的栅格结构按块式编码方法可记录为：
（1，1，3，4），（1，4，1，4），（1，5，1，7），（1，6，2，7），（1，8，1，7）；
（2，4，1，4），（2，5，1，4），（2，8，1，7）；
（3，4，1，4），（3，5，2，9），（3，7，2，7）；
（4，1，2，0），（4，3，1，4），（4，4，1，9）；
（5，3，1，0），（5，4，2，9），（5，6，1，9），（5，7，1，7），（5，8，1，7）；
（6，1，3，0），（6，6，3，9）；
（7，4，1，0），（7，5，1，9），
（8，4，1，0），（8，5，1，0）。
从以上论述的块式编码的编码原理可知，一个记录单元所表示的地理数据相关性越强，也即记录单元包含的正方形边长越长，压缩效率越高。而地理数据相关性差时，也即多边形边界碎杂时，块式编码的效果较差。
块式编码的运算能力弱，必要时其编码的栅格数据须通过解码转换成栅格矩阵编码的数据形式才能顺利进行。块式编码在图像合并、插入、面积计算等功能方面较强。
（五）四叉树数据结构
四叉树编码又名四元树编码，可以通俗理解为一个具有四分枝结构的树，它具有栅格数据二维空间分布的特征，这是一种更为有效的编码方法。四叉树编码将整个图形区域按照四个象限递归分割成2n×2n象元阵列，形成过程是：将一个2×2图像分解成大小相等的四部分，每一部分又分解成大小相等的四部分，就这样一直分解下去，一直分解到正方形的大小正好与象元的大小相等为止，即逐步分解为包含单一类型的方形区域（均值块），最小的方形区域为一个栅格单元。这个倒向树状的图中“○”表示可继续分割的方形区域；“□”表示具有同类属性的方形区域；“■”表示不能再分的单个（最小）象元栅格，即所谓的树叶，树叶表示的是具有单一类型的地物或是符合既定要求的少数几种地物，可以在任意层上。
通过以上对四叉树结构的分析，可发现它有以下特点：
⑴ 存储空间小：因为记录的基本单位是块，不是象素点，因此大大地节省了存储空间。
⑵ 运算速度快：因为四叉树结构的图形操作是在数上进行的，比直接在图上运算要快得多。
⑶ 栅格阵列各部分的分辨率可变：不需要表示许多细节的地方，分级较少，因而分辨率低；边界复杂的地方分级较多，分辨率高，因而在减少数据量的基础上满足了数据精度。
⑷ 容易有效地计算多边形的数量特征。
⑸ 与栅格结构之间的转换，比其它压缩方法容易。
⑹ 四叉树编码表示多边形中嵌套其它属性的多边形时比较方便：它允许多边形嵌套多边形的结构，是非常实用的、重要的特点，这点深深得到地理信息系统数据编码设计者的青睐。
⑺ 四叉树编码的不足之处是：转换具有不确定性，对大小相等形状相同的多边形，不同人可能分解为不同的四叉树结构，因而不利于形状分析和模式识别。四叉树编码处理结构单调的图形区域比较适合，压缩效果好，但对具有复杂结构的图形区域，压缩效率会受到很大影响。
（六）八叉树与十六叉树结构
前面的数据结构都是基于二维的，在相当多的情况下，如地下资源埋藏、地下溶洞的空间分布，二维的坐标体系根本无法表达。因此需要有三维数据结构，如果考虑空间目标随时间变化，那还需要4维数据结构。较好的表达三维与四维结构是在四叉树基础上发展起来的八叉树（三维）和十六叉树（四维）。
是将空间区域不断地划分为八个同样大小的子区域，
（七）各种编码的比较分析
比较以上各种编码，可得出如下主要结论：
⑴ 直接栅格编码直观简单，但数据出现大量冗余；
⑵ 链式编码对边界的运算方便，压缩效果好，但区域运算较困难；
⑶ 游程编码即较大幅度地保留了原始栅格结构，又有较高的压缩效率，而且编码解码也较容易，但仅局限在一维空间上处理数据；
⑷ 块式编码在图像合并、插入、面积计算等功能方面较强，当所表示的地理数据相关性强时，压缩效率相当高；但地理数据相关性差时，块式编码的效果较差，而且块式编码的运算能力较弱；
⑸ 四叉树编码运算速度快，存储空间小，分辨率可变，压缩效率高，但其转换具有不确定性，难以形成统一算法。