kasutatav spektraalkanalite arv. Klassifitseerimisülesanne seisneb teatud klasside väljaaeraldamises punktiparves. Klasteranalüüs rühmitamine, spektraalsete tunnuste poolest lähedased. Spektraalsed klassid ja informatsioonilised klassid (metsanduslik tunnus, maaktte tüüp jne alusel eristamine). Leida sellised spektraalsed klassid, mis oleksid tõlgendatavd meid huvitavate informatsiooniliste klassidena. Üldjuhul pikselhaaval, aga eriti kui eesmärgiks on muutuste uurimine, siis otstarbekas on vaadata terveid põldusid või eraldisi (vektorkaart), valdav enamus klassifitseerimislgoritme töötab siiski pikslitega. Klassifitseerimine õpetava valimiga: valitakse informatsioonilised klassid, leitakse igale klassile tugi- või õpetuspiirkonnad (digitize). Õpetuspiirkonda kuuluvate pikslite koguarv peaks reeglina olema suurem kui kümnekordne kasutatavate spektraalkanalite arv.
puhul arvestada ka monitori suurusega. Kuna kuvari ekraan ei ole ruudukujuline, on horisontaaleraldus suurem vertikaalsest. Huvitavaks näiteks on Macintosh- arvutid, mille kuvapilt on ranges üks- üheses sõltuvuses objektide reaalsetest mastaapidest- kuvaril joonlauaga mõõtes saadud tulemused ühtivad prindil mõõdetutega. Amiga arvutitel on manipulatsioonid kuvapildiga täiesti virtuaalsed: eraldusvõimet võib pikselhaaval kasvatada ja kahandada, kaadrisagedust tõsta ja alandada jne. Piiravaks teguriks on siin vaid kuvari enda suutlikkus. PC- del on olukord segasem. Praeguseks põhilised VGA kolm standardset eraldusastet: 640x480, 800x600 ja 1024x768 pikselit töötavad nii 9- tollistel, kui ka 21 tollistel kuvaritel. 25
annaabi.ee 
