Contexto empresarial
Una agencia geoespacial necesita entrenar un modelo de segmentación de imágenes para clasificar la cobertura del suelo (bosque, agua, urbano) a partir de imágenes satelitales de alta resolución. Dado que las imágenes originales son muy grandes, el objetivo es generar un conjunto de datos masivo de parches pequeños (256x256) que cubran toda la superficie de las imágenes de entrada, aplicando mutaciones para simular diferentes condiciones atmosféricas y estacionales.
Sobre el conjunto : image
Procesamiento, manipulación y análisis de imágenes.
Descubrir todas las acciones de image Preparación de datos
Creación de una tabla que referencia dos imágenes satelitales de gran tamaño (simuladas).
¡Copiado!
| 1 | DATA mycas.imagenes_satelite; |
| 2 | LENGTH region_id $10 image_path $200; |
| 3 | INPUT region_id $ image_path $; |
| 4 | DATALINES; |
| 5 | AMAZONAS /path/to/large_satellite_image_1.tif |
| 6 | CONGO /path/to/large_satellite_image_2.tif |
| 7 | ; |
| 8 | RUN; |
| 9 | |
| 10 | PROC CAS; |
| 11 | image.loadImages / |
| 12 | path='imagenes_satelite' |
| 13 | casOut={name='cas_satelite', caslib='mycas', replace=true} |
| 14 | TABLE={name='imagenes_satelite', caslib='mycas'} |
| 15 | copyVars={'region_id'}; |
| 16 | RUN; |
Étapes de réalisation
1
Utilizar 'sweepImage' para barrer cada imagen satelital con una ventana de 256x256 y un solapamiento del 50% ('stepSize'=128). Para cada parche, generar dos versiones: una con cambio de color y otra más nítida.
¡Copiado!
| 1 | PROC CAS; |
| 2 | image.augmentImages / |
| 3 | TABLE={name='cas_satelite', caslib='mycas'} |
| 4 | seed=2024 |
| 5 | augmentations={{ |
| 6 | sweepImage=true, width=256, height=256, stepSize=128, |
| 7 | mutations={{colorShifting=true}, {sharpen=true}} |
| 8 | }} |
| 9 | casOut={name='parches_satelite', caslib='mycas', replace=true} |
| 10 | copyVars={'region_id'} |
| 11 | image='_image_'; |
| 12 | RUN; |
2
Contar el número de parches generados para verificar que el barrido y la mutación múltiple han funcionado como se esperaba, produciendo un gran volumen de datos.
¡Copiado!
| 1 | PROC CAS; |
| 2 | SIMPLE.numRows / |
| 3 | TABLE={name='parches_satelite', caslib='mycas'}; |
| 4 | RUN; |
Resultado esperado
La acción debe ejecutarse sin errores de memoria, a pesar del gran número de parches generados. La tabla de salida 'parches_satelite' debe contener un número muy elevado de filas (dependerá del tamaño de las imágenes de entrada, pero se esperan miles o millones de parches). Cada imagen original habrá generado `2 * (N_parches_horizontales * N_parches_verticales)` filas en la tabla de salida. La columna 'region_id' debe estar correctamente propagada a todos los parches generados.