इस मामले के लिए आप क्रॉस-वर्गीकरण और सारणीकरण का उपयोग कर सकते हैं जैसा कि ऊपर उल्लेख किया गया था। इसका उपयोग करने के लिए, पहले आपको अंतर मूल्यों के साथ रेखापुंज परत की आवश्यकता होती है। आपके द्वारा उपयोग की जाने वाली परत के आधार पर आपको अपने रैस्टर को तैयार करने के लिए कुछ पुनरावर्तन या फिर से प्रदर्शन करने की आवश्यकता होगी।
![यहां छवि विवरण दर्ज करें](https://i.stack.imgur.com/OOnw3.png)
दूसरा आधार यह है कि आपके बहुभुज (आपके बफ़र ज़ोन) का कुछ अंतर मूल्य होना चाहिए। यदि नहीं, तो आपको इसे बनाना होगा (कैलकुलेटर सूत्र $ id + 1 के साथ)।
![यहां छवि विवरण दर्ज करें](https://i.stack.imgur.com/SkTqk.jpg)
रास्टर मान के रूप में इंट कोड का उपयोग करके अपनी वेक्टर लेयर को व्यवस्थित करें। यहां आपको कुछ शर्तें रखनी होंगी: उसी पिक्सेल मान और उसी एक्सटेंशन का उपयोग करें, जिस पर आप जानकारी निकालना चाहते हैं।
![यहां छवि विवरण दर्ज करें](https://i.stack.imgur.com/WnZZ3.png)
अब SAGA टूल्स से क्रॉस-क्लासिफिकेशन और टेबुलेशन का उपयोग करें। आपको यह विचार करना होगा कि यह प्रत्येक बहुभुज में प्रत्येक उपयोग श्रेणी के पिक्सेल की गिनती के साथ एक xy तालिका बनाने जा रहा है। यहां आपको "अधिकतम संख्या में कक्षाएं" सम्मिलित करना होगा इसका मतलब क्या है, उदाहरण के लिए, यदि आपके पास 10 श्रेणियों और 25 बहुभुज वर्गों के साथ रेखापुंज है, तो आपकी अधिकतम संख्या 25 होगी।
![यहां छवि विवरण दर्ज करें](https://i.stack.imgur.com/7yxmv.png)
यहां अंतिम परिणाम है: एक तालिका जहां आपके पास प्रत्येक बहुभुज में प्रत्येक श्रेणी के पिक्सेल की गिनती है। यदि आपको इसे क्षेत्र में बदलने की आवश्यकता है, तो बस आप रेखापुंज के संकल्प से कोशिकाओं की संख्या को गुणा करें।
![यहां छवि विवरण दर्ज करें](https://i.stack.imgur.com/LGQJv.jpg)