影像金字塔原理

影像金字塔是按照一定规则生成的一系列分辨率由细到粗的图像的集合。影像金字塔技术通过影像重采样方法，建立一系列不同分辨率的影像图层，每个图层分割存储，并建立相应的空间索引机制，从而提高缩放浏览影像时的显示速度。如下图所示的影像金字塔，底部是影像的原始最高分辨率的表示，为 512×512 图像分辨率，越往上的影像的分辨率越小，分别为 256×256，128×128，顶部是影像金字塔的最低分辨率的图像 64×64，因此这个影像金字塔共有 4 层，即 4 个等级的分辨率。显然影像的图像分辨率越高，影像金字塔的等级越多。对于图像分辨率为 2a×2b 的（a>b）影像，SuperMap 中将会为其建立（b-6）+1 层的金字塔。

图：影像金字塔

为影像建立了影像金字塔之后，以后每次浏览该影像时，系统都会获取其影像金字塔来显示数据，当您将影像放大或缩小时，系统会自动基于用户的显示比例尺选择最合适的金字塔等级来显示该影像。

金字塔只能针对原始的数据进行创建。一次只能给一个数据集创建金字塔，如果想再次创建，需要将已创建的金字塔删除。浏览创建影像金字塔后的栅格数据集时，实际上时在访问已创建的金字塔。如下图所示在不同的比例尺下金字塔的建立过程。

建立影像金字塔可以显著地提高影像缩放显示渲染的速度和性能，但是同时会增加数据集的存储空间，即增大影像数据集所在数据源文件的大小。这是因为建立的影像金字塔实际上就是影像在不同分辨率下的图像的集合，这些不同分辨率下的图像都和数据一起存储在数据源文件中，从而增大了数据源文件的大小。而且栅格数据集数据量越大建立金字塔的时间越长，影像金字塔的存储空间也就越大，但是会为以后的影像浏览节约更多的时间，所以对于海量影像数据，创建金字塔不失为一种优化效率的选择。

影像金字塔重采样方法

SuperMap ImageX Enterprise 提供了八种影像金字塔重采样方法，详细说明如下表：

影像金字塔重采样方法	说明
高斯内核计算法	对整幅图像进行加权平均，每一个输出像元的值都由其本身和邻域内的其他像素值经过加权平均后得到。对于高对比度和图案边界比较明显的图像效果比较好。
双线性内插法	将输入图像中的 4 个最邻近像元值的加权平均值赋予输出图像的相应像元。该方法的处理结果比最邻近法更加平滑，但会改变原来的栅格值。
三次卷积内插法	将输入图像中的 16 个最邻近像元值的加权平均值赋予输出图像的相应像元。该方法的处理结果最为清晰，数据边界会有锐化效果，但计算量大，处理时间较长。
最邻近法	使用最邻近像元的值为输出像元分配值。
平均值法	将所有有效值的均值作为重采样的计算值。
平均联合数据法	在一个 magphase 空间中平均联合数据，用于复数数据空间的图像的重采样方式。
三次线性法	基于 Akima 插值算法。Akima 插值法规定在两个实测点之间进行内插，除需要用到这两个实测值之外，还要用这两个点相近邻的四个实测点上的观测值。该算法考虑了要素导数值的效应，因此得到的整个插值曲线是光滑、自然的。
兰佐斯窗口正弦重采样法	lanczos 法利用卷积滤波器，将卷积函数原点移动到每个重采样的中心，然后将输入中的所有值与该位置出的卷积函数的值相乘并相加。