以下示例演示了应用概化工具生成更适合演示或后续分析的栅格图层的典型序列。
每个工具均可单独使用或与其他数据清理工具结合使用，可适用于各种应用。
从原始卫星场景开始下图显示了将被分类的原始卫星图像。 虽然不会明确描述分类过程，但以下部分详细说明了直接结果通常需要进一步处理才能进行常规使用的一些原因。
要概化的原始图像分类后的图像结果在监督分类中，将在图像上识别训练样本，例如卫星影像。 训练样本取自不同的土地用途，以识别水体、住宅、阔叶树、针叶树等。 在这些训练样本中，图像中的所有其他像元位置均将被分配给这些已知土地类型或用途之一。 有时土地利用特征（来自训练样本的统计数据）是相似的，因此很难区分两个类别。 例如，使用现有的训练样本，软件可能无法区分桤木沼泽和阔叶树湿地。 这可能是由于训练样本数量不足或未对某些土地用途进行采样。 这些限制以及其他限制可能导致某些位置的错误分类。
因此，单个像元或一小组像元可能被错误地分类为与周围的像元不同的实体，而实际上，该实体属于周围像元的群组。 另一个典型的错误分类区域是不同土地用途之间的边界。 通常，结果是可以使用概化工具平滑边界的不切实际的锯齿状制图表达。
下面是卫星影像的分类。 请注意，整个图像中有许多孤立的小型单个像元或像元组。
分类后的输出栅格
以下部分演示了如何应用概化工具来生成最终的分类栅格。
使用众数过滤器移除错误分类的像元要移除分类图像中错误分类的单个像元，需应用众数过滤器工具。 结果显示在下图中。 请注意，许多较小的像元组已经消失。
应用众数过滤器后的栅格
使用边界清理平滑区域要平滑区域之间的边界，可以使用边界清理工具。 通过扩展和缩小边界，较大的区域将侵入较小的区域，如下图所示。 请再次注意，