画底图mask.gs程序的使用

GRADS绘制教程
最新推荐文章于 2024-04-21 01:03:01 发布
最新推荐文章于 2024-04-21 01:03:01 发布
阅读量1.4k 收藏
点赞数
分类专栏： GrADS 文章标签： 框架
本文详细介绍如何使用GRADS软件进行底图的绘制与设置，包括创建mask图片、编辑maskarea.ctl文件、准备二进制数据及其描述文件，并最终实现底图与目标数据的结合展示。

1.打开grads，输入命令d:/mask.gs,产生mask图片，使用点选功能将所要绘制的底图点击出来，然后点击quit，自动产生maskarea.dat二进制文件；

2.对maskarea.dat用ctl文件描述maskarea.ctl:

  DSET D:/maskarea.dat
UNDEF  -999.0
TITLE CPC Soil Moisture
XDEF 127 LINEAR 72.75 0.5
YDEF 75  LINEAR 16.75 0.5
ZDEF  1 LEVELS  1
TDEF 1 LINEAR Jan1948 1mon
VARS 1
mask   0   99   W (mm)
ENDVARS

3.准备好与之对应的所要绘制对象的二进制数据：w.194801_200902.grd及描述文件w.194801_200902.ctl；

4.输入命令：

 open  d:/maskarea.ctl 

*打开绘制底图文件    

 d mask  

*显示绘制底图框架

open d:/w.194801_200902.ctl

*打开要绘制对象的描述文件

d maskout(w.2,mask)

*底图mask数据放在后，绘制对象数据w放在前，2表示第二个文件中的w，不能颠倒顺序

画 mask（ json文件由 labelme 标注 ）
G果的博客
05-28 1830
一、准备工作 1. image_and_json文件夹：里面存放图片和 json 文件（labelme4.5.6标注） 注意：图像和json标注文件要放在同一个文件夹里面，labelme的版本是4.5.6 2. Visualization文件夹：保存添加 mask 后的图片（代码自动生成，不需要新建） 3. labels.txt：写入类别信息（labelme标注时给物体的类别名称） 提示：这里的__ignore__ 和 __background__是固定的，01、02、03是用labelme标注时给的物
【linux软件基础知识】与调度相关的进程描述符
06-01 179
如果进程的优先权等于k(其取值范围是0到139)，run_list字段把该进程链入优先级为k的可运行进程的链表中。80x86 体系结构包括了一个特殊的段类型，叫任务状态段 (Task State Segment，TSS来存放硬件上下文。尽管Linux 并不使用硬件上下文(参见下文)切换，但是强制它为系统中每个不同的 CPU 创建一个TSS。在每次进程切换时，被替换进程的硬件上下文必须保存在别处。
用Grads画等值线（五）-------等值线边界控制
wap168的专栏
11-09 4097
      上文中声称了带底图的等值线，但此等值线是越界的。要控制等值线边界，在Grads中要使用maskout函数。要使用此函数，需要设置边界内外不同的值。因此对grid.dat文件进行了如下修改：      program grid real gtd(26,24) real mm(26,2) real yCol(24) real xCol(26) xCol(1)=121.9 xCol(2)=121.95 xCol(3)=122.0 xCol(
常用grads函数
weixin_34321977的博客
01-08 1775
GrADS的函数分两类, 一类是对格点/站点数据执行运算的,这一类我们姑且称之为分析函数; 另一类是脚本编程(gs)时使用的, 这后一类我们姑且称之为脚本函数. 第一类分析函数又分为格点分析和站点分析两个子类: 1)   格点分析 绝对值   abs(expr) 余弦/反余弦cos(expr)    acos(expr) 正弦/反正弦sin(expr)    asin(expr) ...
matlab提取多边形区域_[转载]【转】matlab中地图边界与掩膜(去掉边界外区域)的实现（基于shape...
weixin_32302013的博客
02-01 2828
首先是论坛里的一些资源，其实绘制地理类的图形，我一般都推荐用grads、ArcGis(不是很熟悉就不提NCL、surfer和MeteoInfo等等啦，论坛里关于这几个软件的帖子也很多，不一一举例了)~有关这两个软件底图制作和绘制在论坛里面有很详细的教程，大家可以参考(grads中maskout方法，ArcGis底图制作，ArcGis站点绘图参考)，而有关matlab底图方法，我估计m_map工具箱...
Grads 笔记
热门推荐
weixin_40645816的博客
08-27 1万+
注：2012-2016年抄的，已经不用这软件，停止更新 Grads绘图程序几例 例1 （相关及信度检验；中国160站插值绘图） 中国16站插值绘图；打开多个文件；设置画布大小；等值线阴影叠加绘图；改等值线间隔，加粗； 部分数值绘制阴影，自定义颜色；调用长江黄河、中国底图；不打印grads标注；填加标题 'reinit' 'open D:\zother\grid.ctl' 'ope...
@tf.function def train_step(inp_SNR, noise, GS_flag, PS_flag, eq_flag, epsilon=1e-12, min_distance_threshold=0.5): loss = 0 with tf.GradientTape() as tape: # 原始前向传播计算 s_logits = logit_model(inp_SNR) # batch_size = tf.shape(inp_SNR)[0] # s_logits = tf.zeros((batch_size, M), dtype=tf.float32) s = s_model(s_logits) soft_bits = soft_bit_encoder(s) hard_bits = hard_decision_on_bit(soft_bits) enc = Trans_model_bit(hard_bits) # 生成完整星座图 bit_set = tf.math.mod(tf.bitwise.right_shift(tf.expand_dims(symbol_set, 1), tf.range(bitlen)), 2) bit_set = tf.reverse(bit_set, axis=[-1]) constellation = Trans_model_bit(bit_set) constellation = tf.expand_dims(constellation, 0) # 归一化处理 p_s = tf.nn.softmax(s_logits) magnitudes = tf.abs(constellation) max_mag = tf.reduce_max(magnitudes) norm_factor = 1.30793 / tf.maximum(max_mag, epsilon) norm_constellation = r2c(norm_factor) * constellation x = r2c(norm_factor) * enc # === 星座点最小距离约束 === points = tf.squeeze(tf.stack([tf.math.real(norm_constellation), tf.math.imag(norm_constellation)], axis=-1)) diff = tf.expand_dims(points, 1) - tf.expand_dims(points, 0) # [M, M, 2] distances = tf.norm(diff, axis=-1) # [M, M] mask = tf.eye(tf.shape(distances)[0], dtype=tf.bool) valid_distances = tf.where(mask, tf.ones_like(distances)*1e10, distances) min_distance = tf.reduce_min(valid_distances) distance_penalty = tf.nn.relu(min_distance_threshold - min_distance) * 50.0 # === 新增：概率分布可逆性约束 === # 1. 计算初始均匀分布的熵（基准值） num_constellation_points = tf.cast(tf.shape(constellation)[1], tf.float32) # 使用换底公式计算log2: log2(x) = ln(x)/ln(2) uniform_entropy = tf.math.log(num_constellation_points) / tf.math.log(2.0) # 均匀分布的熵 # 2. 计算当前分布的熵 current_entropy = -tf.reduce_sum(p_s * tf.math.log(p_s) / tf.math.log(2.0)) # 以2为底的熵 # 3. 熵约束惩罚 entropy_ratio = current_entropy / uniform_entropy entropy_penalty = tf.nn.relu(0.9 - entropy_ratio) * 200.0 # 4. 概率下限约束 min_prob = tf.reduce_min(p_s) prob_floor_penalty = tf.nn.relu(epsilon - min_prob) * 200.0 # === 原始损失计算 === Tx = upsample_pulse_shaping(x, Fs, h_rrc, fa, fc) Rx = Tx + noise y = Model_Eq(Rx) entropy_S = -p_norm(p_s, p_s, lambda x: log2(x)) GMI = GMIcal_tf(x, tf.squeeze(y), M, norm_constellation, hard_bits_out, p_s) NGMI = 1 - (entropy_S - GMI) / bitlen loss_NGMI = tf.nn.relu(NGMI_th - NGMI) loss_Eq = tf.reduce_mean(tf.square(tf.abs(x - y))) # === 修改后的损失函数（添加所有惩罚项） === loss = (loss_Eq * eq_flag * 0.5 - GMI + loss_NGMI * 100 + distance_penalty + entropy_penalty # 新增：熵约束惩罚 + prob_floor_penalty) # 新增：概率下限惩罚 # # 梯度计算与更新 # variables = [] # if PS_flag == 1: # variables.extend(logit_model.trainable_variables) # variables.extend(s_model.trainable_variables) # if GS_flag == 1: # variables.extend(Trans_model_bit.trainable_variables) # if eq_flag == 1: # variables.extend(Model_Eq.trainable_variables) variables = (logit_model.trainable_variables * PS_flag + s_model.trainable_variables + Trans_model_bit.trainable_variables * GS_flag + Model_Eq.trainable_variables * eq_flag) gradients = tape.gradient(loss, variables) optimizer.apply_gradients(zip(gradients, variables)) # 保持原始返回值结构不变 return loss, loss_Eq, NGMI, GMI, tf.reduce_mean(entropy_S), p_s, norm_constellation, x, min_distance 新增约束条件，一个点与其相邻三个点的概率和不能超过4/M。当前代码可以正常运行，修改时只修改必要地方
最新发布
08-22
或者，我们只对星座图进行全局归一化（即使用一个固定的归一化因子，而不是每个样本独立归一化），这样星座图在batch内就是固定的，那么距离矩阵只需要计算一次（整个batch共享）。但是，这样会改变原来的归一化方式...
利用R绘制指定区域的DEM图
CHEN_BR/BLOG
03-03 1490
# 加载运行环境 library(tidyverse) library(sf) library(raster) library(rgdal) library(glue) library(data.table) library(ggsn) library(cowplot) ## read dem file myfile <- "00DataSet/dem_250m/d...
GS-89m-j pdf 技术文档
04-19
综上所述，GS-89m-j技术文档为开发人员提供了GPS模块的详细信息，包括模块的尺寸、功能特性、电气和机械规格，以及如何在不同的环境和条件下使用该模块。这些信息对于进行嵌入式系统开发，特别是GPS定位系统开发的...
【Image captioning-RS】论文12 Prior Knowledge-Guided Transformer for Remote Sensing Image Captioning
安静到无声
04-21 638
遥感图像(RSI)字幕生成旨在为遥感图像生成有意义且语法正确的句子描述。然而,相比于自然图像字幕,RSI字幕生成面临着由于RSI特性而产生的额外挑战。第一个挑战源于这些图像中存在大量物体。随着物体数量的增加,确定描述的主要焦点变得越来越困难。此外,RSI中的物体通常外观相似,进一步复杂化了准确描述的生成。为克服这些挑战,我们提出了一种基于先验知识的transformer(PKG-Transformer)用于RSI字幕生成。首先,在多层特征提取(MFE)模块中提取场景级和物体级特征。
samples matlab,气象万千(冯锦明课题组)-MATLAB: Samples
weixin_42339991的博客
03-17 1133
各类应用示例字符串处理当前路径下包含文件名以'fnl_20110705'开头的4个文件：fnl_20110705_00_00_cfnl_20110705_06_00_cfnl_20110705_12_00_cfnl_20110705_18_00_cfn=dir('fnl_20110705*');则fn.name中保存了每个文件名字符串将前两个文件名与第三个文件名前8个字符连接起来：fns=[fn(...
关于grads中国地区地图绘制
chht的专栏
01-25 8186
1、在进入绘图前，首先 输入：set mpdset lowres*表示低精度格式set lon 73 135set lat 18 55set poli off*表示取消行政边界2、上述工作完成后，输入SET gxout shadedset ccolor 1set ccols 10 1SET cmin 2.7set cint 3
【opencv】python在图片中画mask掩膜
怡宝2号
01-17 8812
模仿maskrcnn，在图片中画一个多边形掩膜，提供可视化效果 code ''' author:chenjun date:2020-01-16 use:draw the mask on image ''' import cv2 import numpy as np from PIL import Image import matplotlib.pyplot as plt import pycoco...
UGUImask小地图
kuilaurence的博客
05-07 444
做圆形小地图。方法步骤： 1.用ps做一张圆形的图，圆以外是透明通道。（即为:圆形遮罩，当然可以做成不规则图形，透明通道部分不渲染）。 2.新建UI Image（命名：minimapMask）将圆形通道图拖入Image，然后加mask组件。位置：居右上。 3.建小地图相机，建render texture命名为minimapTexture并拖入相机。 4.在minimapMask下建子物体Image...
画地为Mask，随心所欲的高效遮罩组件[Unity]
qq_35037137的博客
03-27 3626
组件效果## MeshMask遮罩效果图 可以看到无论Mask形状是凸边形还是复杂的凹边形，都能准确地将Mask形状数据序列化成顶点，面片数据， 提供给需要Mask的图片修改渲染顶点，达到遮罩效果。组件用法类似于Unity Mask，且效率优于Unity Mask。插件已上传至Github[点击下载]， 欢迎试用~ 效率对比## 使用原生Mask，10个Icon占用了15个Draw...
图像分割将label和得到的mask画入原图
qq_36068446的博客
07-10 9054
最近参加天池的比赛，写了几行代码将mask和label画入原图，便于观察那些数据得到的效果不太好，详细的代码如下： import os import cv2 import numpy as np import params def show(img, mask, mode=‘B’): “”" :param img:图像矩阵，shape：（H，W，3） :param mask: 标签矩阵，shape...
手动在图像上画出mask
qq_43321078的博客
09-16 1736
手动在图像上画出mask 背景：实验中遇到了需要手动画一个在脑内某个小区域上的mask 然后在mask上进行操作的问题 最开始想自己建一个全零矩阵，然后在需要的地方填充1 方法可行，但因为ROI并不规则，所以难以使用循环，进而操作起来太麻烦 后来找到了两个MATLAB中已有的函数 drawpolygon and roipoly drawpolygon 说明文档的内容让我觉得它十分合适，但是在我的版本上好像用不了 然后继续找了很久找到了roipoly roipoly 在官方说明文档的图片和描述里看，这个
微信小程序底部弹框菜单动画效果实现教程
在这里，可以使用微信小程序提供的 animation 属性或 animation-group 组件来定义动画效果，例如使用 transform 属性来实现元素沿 Y 轴的上滑动。 4. 在 WXSS 文件（tanchucaidan.wxss）中，编写样式来控制弹框的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值