卷积

功能概述

卷积就是对每个像元，以它为中心取一个邻域（如 3×3、5×5），用一个同尺寸的权重模板（卷积核/滤波核）与该邻域逐元素相乘并求和，把结果写回中心像元的位置。窗口在整幅栅格上滑动，逐像元计算。

适用场景

去噪与重采样前平滑：

原始影像有椒盐噪声、条带；DEM 有孤立尖峰。先用均值平滑，再做分类、重采样或坡度/水文分析，效果更好。

边缘/纹理增强与特征提取：

目标检测前增强边缘；道路/水系等细线状要素提取；影像锐化提升可视化对比度。

影像融合/分割的预处理：

先低通去噪再阈值化或区域生长；或用方向核提特征，再与原像素拼接作为分类特征。

DEM 分析前处理：

平滑 DEM 抑制噪声，利于计算坡度、曲率与汇流；或用二阶导近似（曲率相关）研究地形形态。

多尺度表达：

通过逐步增大核尺寸构建尺度空间分析不同尺度的地物形态。

参数介绍

参数名称	参数描述	补充说明
输入栅格文件	要进行卷积的栅格文件	建议确保输入数据具有正确的空间参考和坐标系，以避免空间偏移或结果失真。
卷积核	定义在像元邻域上的加权矩阵，通过与邻域像元逐点相乘并累加，实现局部特征的提取、增强或抑制。	常用卷积核包括平滑核（均值）、锐化核、边缘检测核（Sobel、Prewitt、Roberts）、Laplacian 等。
边界模式	控制卷积计算中如何处理超出栅格边界的邻域像元值。	常见模式包括：常数填充、边界反射、边界镜像、最近边界值、边界环绕等。不同模式对边缘像元计算结果影响显著。
常数值	当边界模式设置为“常数填充”时，用于填补超出栅格范围的固定数值。	一般默认为 0；在特定应用中可根据背景值或分析需求自行设定。
卷积因子	卷积因子是卷积操作中用来对卷积核加权求和结果进行归一化或缩放的系数。它通常等于卷积核所有元素的和，也可以是用户指定的值。	- 平滑核：确保结果数值范围与输入一致（避免数值放大）。 - 锐化或边缘检测核：卷积因子常为 1 或 0，用于保留高频特征。
输出路径	存放结果栅格的目标目录（建议使用绝对路径以避免歧义）	建议使用绝对路径，确保目录存在且具有写入权限；路径避免使用中文及特殊字符以提高跨平台兼容性
输出文件名	结果栅格文件的完整名称（含扩展名）	扩展名将决定输出文件格式，如 `.tif` 生成 GeoTIFF 文件，`.img` 生成 ERDAS IMG 文件

操作步骤

启动工具
- 打开【空间分析工具】工具箱 → 双击启动【卷积】工具窗格。
输入栅格文件
- 【输入栅格文件】：输入 "005生态图.tif"。
选择卷积核以及边界模式
- 【卷积核】：选择 "sobel_x"
- 【边界模式】：选择"最近的边界值"
  
  卷积核
  
  卷积核（又称滤波器、模板、掩模）是一个小尺寸的矩阵，通常为奇数行列（如 3×3、5×5、7×7），其元素为预设的权重值。卷积核用于在栅格或图像上进行局部加权运算，通过在整幅栅格上“滑动”并对每个像元邻域进行加权求和，实现特定的空间滤波、特征提取或增强效果。
  
  卷积核定义了一个局部运算规则，不同的权重组合代表不同的空间滤波器。
  - 若权重均等 → 平滑/模糊
  - 若中心为正、周围为负 → 锐化/增强边缘
  - 若呈差分形式 → 边缘检测、梯度计算
  - 若具有方向性 → 检测特定方向的线状特征
  常见形式：Sobel_X（Sobel 水平梯度，检测垂直边）、Prewitt_Y（Prewitt 垂直梯度，检测水平边）、Roberts_X（Roberts 交叉算子，2×2）、Laplacian_3×3（拉普拉斯，二阶导）、Mean_5×5（5×5 均值/盒式平滑）、Emboss（浮雕）等
  
  边界模式
  
  常数填充
  - 规则：边界外全部用同一个常数补齐。
  - 示例：[0, 0, 1, 2, 3, 4, 0, 0]
  - 优缺点：实现简单；但做均值/平滑会边缘变暗/变亮（产生偏差）。若支持“忽略 NoData 并重算权重”，建议配合使用。
  最近的边界值
  - 规则：用最靠近的边界像元值进行延拓。
  - 示例：[1, 1, 1, 2, 3, 4, 4, 4]
  - 优缺点：辐射连续，避免 0 偏置；但会形成边缘台阶/平台。
  边界反射
  - 规则：以边界为镜面做“反射”，但不重复边界像元本身。
  - 示例：[2, 3, 1, 2, 3, 4, 3, 2]
  - 优缺点：统计上最“平滑”，常用于自然影像/DEM 的滤波；比“镜像（含边）”更不易积累边界能量。
  边界镜像
  - 规则：以边界为镜面做“镜像”，重复边界像元。
  - 示例：[1, 2, 1, 2, 3, 4, 4, 3]
  - 优缺点：也很平滑，但与“反射（不含边）”相比，边界像元权重略高，可能轻微放大边界处响应。
  边界环绕
  - 规则：把序列当作首尾相接的“环”，溢出索引按取模回绕。
  - 示例：[3, 4, 1, 2, 3, 4, 1, 2]
  - 优缺点：与频域卷积的循环卷积一致；适合周期信号。对自然影像会制造不真实的跨边界连接。
输入常数值以及卷积因子
- 【常数值】：输入“4”
- 【卷积因子】：输入“1”
  
  卷积因子的作用
  - 归一化输出：避免数值过大或过小，保持与原始栅格在同一量级。
  - 例：均值平滑核（3×3 全部为 1），若不除以 9，结果会偏大。
  - 调整图像亮度或对比度：改变因子值，可以让卷积结果更亮/更暗。
  增强或弱化效果：
  - 边缘检测核常设置因子 = 1 或直接不归一化，以突出差异。
  - 平滑核则通常用因子 = 核元素和，实现平均化。
指定输出位置
- 【输出路径】：输出至 "用户空间/工具箱/空间分析工具"
- 【输出文件名】：输入 "con.tif"
执行生成