Algorithm 地形的保留步长算法/反带状算法？

我从中获取数据，并使用它创建了地球整个表面（水上和水下）的三维模型

以下是我得到的： 正如你所看到的，它是超级锯齿状的

问题是，由于我使用的是灰度图像，所以我只能处理512个不同的级别（256*2）。当你从海底到达最高峰时，很明显你会到达超过512个不同的海拔高度。所以这基本上是一个问题。 如果他们使用所有的RGB通道，这不会是一个问题，但这样图像就不太“人类可读”

通常平滑是一种可能性，但不是很大的可能性，因为它会降低悬崖、山峰、峡谷等的质量。彻底地

事情是这样的：我们知道每个像素都在（maxHeight-minHeight）/512（=maxoffset）的实际正确值范围内：如前所述，它几乎经历了一个不需要的阶跃函数。当然，但是，这并不能阻止我们去尝试

以下是我对这一方法的一些想法：

• 查找周围像素的平均高度（对于某些半径）。计算此像素的当前值与计算的平均值之间的差值。还没有对该值执行任何操作
• 计算此值时，请存储差异最大的像素
• 然后，“规格化”所有值，使最大差异为（maxHeight-minHeight）/512:maxoffset：像素可以关闭的最大值。由于异常值的存在，这种“标准化”不应该是线性的，但是平均值应该是这个maxoffset的85%（或更多）
• 峰值（比周围所有像素都高的像素）和盆地（除了较低的像素外，想法相同）被排除在这个过程之外，因为它们是异常值，无论如何都不会有太大的变化（或经历自己的过程）

这可能行不通。除了以下规则外，我仍然可以使用基本的“平均平滑”：

• 没有平滑峰值（比周围所有像素都高的像素）、盆地（除了较低之外的想法相同）、悬崖（这是一种更困难的方式，可能不会发生-但想法是检查像素是否在某一距离的一侧有下降，而另一侧的像素高度大致相同）
• 如果像素在同一高度附近的像素明显多于不在同一高度附近的像素，则为那些高度几乎相同的像素赋予更大的权重

---

我也在寻找更好的“数据”，但我不相信我会，因为我需要水深数据：大多数GPS API都是地形专有的。无论如何，这是一个有趣的问题，我很好奇是否已经有一些好的算法。

hmm我会尝试使用滑动平均值和原始数据之间的差异来检测坡度（如果在坡度上，差异会小得多）。。。然后仅平滑斜坡区域。。。我也会把它分成单轴。。。并分别对它们进行处理。坡度的边缘可以使用越来越小的权重进行平滑，因为它们越来越接近边缘本身，因此网格将平滑连接……有几种图像格式不需要离散级别（例如tiff:），除非您有令人信服的理由对数据进行离散化，否则答案是：不要。因此，地理空间数据通常以geotiff格式发送：。你应该能够找到与你使用的geotiff格式相同的数据。我刚刚意识到：Nasa提供的数据是Tiff格式的，但他们只使用了每像素8位！多么令人沮丧！如果NASA对数据进行离散化，他们可能有一个令人信服的理由（大多数较老的卫星的下载链接能力非常有限，需要压缩数据）。我建议寻找较新的数据，这些类型的限制仅适用于较老的数据，因为这些数据的卫星分辨率/能力非常有限。可能是更高分辨率的数据需要付费（不幸！）但是，如果您是地理空间数据的高级用户，您可以使用一些原始（但最重要的是免费！）传感器数据形成自己的DEM。例如，请参见如何使用Sentinel 1 SAR（InSAR）数据：注意，如果您自己创建DEM，DEM的质量可能在很大程度上是未知的。嗯，我会尝试使用滑动平均值和原始数据之间的差异来检测坡度（如果您在坡度上，差异会小得多）。。。然后仅平滑斜坡区域。。。我也会把它分成单轴。。。并分别对它们进行处理。坡度的边缘可以使用越来越小的权重进行平滑，因为它们越来越接近边缘本身，因此网格将平滑连接……有几种图像格式不需要离散级别（例如tiff:），除非您有令人信服的理由对数据进行离散化，否则答案是：不要。因此，地理空间数据通常以geotiff格式发送：。你应该能够找到与你使用的geotiff格式相同的数据。我刚刚意识到：Nasa提供的数据是Tiff格式的，但他们只使用了每像素8位！多么令人沮丧！如果NASA对数据进行离散化，他们可能有一个令人信服的理由（大多数较老的卫星的下载链接能力非常有限，需要压缩数据）。我建议寻找较新的数据，这些类型的限制仅适用于较老的数据，因为这些数据的卫星分辨率/能力非常有限。可能是更高分辨率的数据需要付费（不幸！）但是，如果您是地理空间数据的高级用户，您可以使用一些原始（但最重要的是免费！）传感器数据形成自己的DEM。例如，请参见如何使用Sentinel 1 SAR（InSAR）数据执行此操作：注意，如果您自己创建DEM，DEM的质量可能在很大程度上是未知的。