Contexto empresarial
Una empresa de agricultura de precisión analiza miles de parches de terreno capturados por satélite. Los datos llegan como flujos de píxeles RGB agrupados por canal. Es crítico mantener la información de la fecha de captura ('timestamp') unida a la imagen reconstruida para el análisis de series temporales.
Sobre el conjunto : image
Procesamiento, manipulación y análisis de imágenes.
Descubrir todas las acciones de image Preparación de datos
Simulación de un lote grande de 100 parches de terreno (10x10 píxeles, 3 canales RGB) con una marca de tiempo.
¡Copiado!
| 1 | |
| 2 | DATA casuser.sat_pixels; |
| 3 | LENGTH patch_id $20 capture_date $20; |
| 4 | capture_date='2023-12-01'; |
| 5 | DO i=1 to 100; |
| 6 | patch_id=cats('patch_', i); |
| 7 | /* Formato planar: RRR...GGG...BBB... */ DO chan=0 to 2; |
| 8 | DO r=0 to 9; |
| 9 | DO c=0 to 9; |
| 10 | _value_ = rand('integer', 0, 255); |
| 11 | OUTPUT; |
| 12 | END; |
| 13 | END; |
| 14 | END; |
| 15 | END; |
| 16 | |
| 17 | RUN; |
| 18 |
Étapes de réalisation
1
Ejecución de la acción con agrupación de canales y copia de metadatos.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | image.condenseImages / TABLE={name='sat_pixels', groupBy={'patch_id'}}, inputs={{name='_value_'}}, width=10, height=10, numberOfChannels=3, groupedChannels=true, copyVars={'capture_date'}, casOut={name='satellite_images', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Validación de que los metadatos se copiaron correctamente.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.fetch / TABLE='satellite_images' to=5 fetchVars={'patch_id', 'capture_date'}; |
| 4 | |
| 5 | RUN; |
| 6 |
Resultado esperado
La acción debe procesar el lote rápidamente. La tabla de salida debe contener las imágenes en color reconstruidas y, crucialmente, la columna 'capture_date' debe estar presente y poblada en todas las filas.